BlobGAN：空间分离式场景表示

ECCVMay, 2022

BlobGAN: Spatially Disentangled Scene Representations

Dave Epstein, Taesung Park, Richard Zhang, Eli Shechtman, Alexei A. Efros

TL;DR该研究提出了一种基于场景的生成模型，使用中层次表示模型，模拟空间的深度有序特征 Blob，并将其应用于生成对抗网络中产生可行场景的实例中

Abstract

We propose an unsupervised, mid-level representation for a generative model of scenes. The representation is mid-level in that it is neither per-pixel nor per-image; rather, scenes are modeled as a collection of spatial, depth-ordered "blobs" of features. Blobs are differentiably place

generative model scene representation unsupervised learning spatial blobs adversarial network

发现论文，激发创造

BlockGAN：从未标注的图像中学习 3D 物体感知场景表示

BlockGAN 是一种图像生成模型，可以从未标记的 2D 图像中学习具有物体感知的 3D 场景表示，并使用显式的 3D 特征来表示场景中的对象，实现了在保持图像真实性的同时，对于每个对象的 3D 姿态和身份进行控制，并学习到物体和属性方面的解耦合表示。

Feb, 2020

无监督的对象导向场景表示：基于空间注意力和分解的方法

本文提出了一种称为 SPACE 的生成潜变量模型，通过并行的空间注意力可以同时实现前景物体的因式分解表示以及解析复杂形态的背景细节，解决了以往模型中可扩展性有限的问题，从而更好地模拟真实场景。

Jan, 2020

基于混合表示的场景合成深度生成建模

本论文提出了一种基于深度生成模型的室内环境场景建模技术，使用前馈神经网络将先验分布映射到室内场景中的主要物体分布，并结合 2D 和 3D 物体排列表示的区分器损失对该模型进行训练，并在多个基准数据集上验证了该模型在场景插值和补全方面的有效性。

Aug, 2018

基于高效注意力的特征增强场景解析

本文提出了一种新颖的特征增强网络，通过从多个特征提取级别收集空间上下文，并计算每个表示级别的注意力权重以生成最终的类别标签。该模型还学习了低分辨率下的空间上下文信息以保留场景元素之间的抽象空间关系并降低计算成本，最终的特征集合中融合了空间注意力特征，并在 ADE20K 和 Cityscapes 数据集上优于所有现有模型。

Feb, 2024

针对语义引导场景生成的本地类别特定和全局图像级生成对抗网络

本文提出了一种语义引导场景生成的方法，设计了一个局部类特定的生成网络，配合语义地图和注意力融合模块实现了全局和局部场景细节生成的结合，进而在两个场景图像生成任务上取得了最新的最佳结果。

Dec, 2019

多层次三维卷积神经网络学习多尺度空间特征

本文提出了一种基于多层体素网格的端到端多级学习方法来解决现有 3D 目标识别中结构化和非结构化数据表示的缺陷，结果表明该方法在节约内存的同时能够实现与密集体素表示相当的目标识别性能。

May, 2018

3DitScene：基于语言引导的解耦高斯投影进行任意场景编辑

通过语言引导的分离高斯细分并融合三维数据，3DitScene 提供了一种从二维到三维的全新统一场景编辑框架，实现了对场景构成和单个对象的精确控制，从而革新创造性表达方式并增强场景和对象的控制能力。

May, 2024

MONet: 无监督场景分解与表示

该论文介绍了 Multi-Object Network 模型，它可以将复杂的 3D 场景拆分为对象和背景等语义组件，从而更好地表示场景中的抽象要素和关系，提高数据效率和转移性能。

Jan, 2019

HoloGAN: 从自然图像中的无监督学习 3D 表示

本文提出了一种新颖的生成对抗网络 HoloGAN，它使用 3D 表示学习世界，而不使用 2D 核心进行图像合成，可以对生成的物体姿态进行精确控制。与其他 GAN 不同，HoloGAN 可以在不需要标注姿态标签、3D 形状或同一对象的多个视角之前，仅从未标记的 2D 图像中端到端地训练。经实验证明，HoloGAN 可以在完全无监督的情况下从自然图像中学习 3D 表示，具有较高的视觉质量。

Apr, 2019

场景表示网络：连续的三维结构感知神经场景表示

提出了一种连续三维结构感知场景表征模型 Scene Representation Networks (SRNs)，能够通过不需要深度或形状信息的二维图像及其相机姿态进行端到端训练，并在视角合成、少样本重建、形状外插及表现插值等任务中展示出潜力。

Jun, 2019