Dec, 2022

LADIS: 用于三维形状编辑的语言分离技术

PDF
TL;DR借助学习解耦的潜在表示，包括新颖的网络架构、解耦损失和新的编辑过程，我们旨在解决通过文本进行三维形状编辑时面临的挑战，并提出了称为逐部分编辑精度的新度量方法来评估编辑的区域范围，并表明我们的方法在编辑局部精度方面优于现有方法约 20％，在语言参考分辨率准确性方面高达 6.6％。
发现论文，激发创造
  • 生成式潜在形状模型的几何分离

    本文提出了一种无监督的方法来将三维点云的变分自编码器的潜空间进行划分，结果展现出直观可解释的行为，在姿态转换和姿态感知形状检索等任务上表现出色，为人工智能中 3D 形状表示问题提供重要思路。

    Aug, 2019

  • OBJECT 3DIT：语言引导的三维感知图像编辑

    通过语言指导的 3D 感知编辑，本研究利用图像编辑工具对基于底层 3D 场景的对象进行编辑，介绍了 OBJECT 数据集和 3DIT 模型的能力。

    Jul, 2023

  • LEED: 基于分离的无标签表达式编辑

    本文提出了一个用于面部表情编辑的创新无标注离散编辑（LEED）框架，能够在不需要任何表情标签的情况下对正面和侧面面部图像的表情进行编辑，并设计了两种新的损失以实现最佳的表情剥离和一致性合成，经过两个公共面部表情数据集的大量实验，LEED 实现了优越的面部表情编辑质量。

    Jul, 2020

  • 通过潜在空间映射的人脸身份分离

    本文提供了一种使用预训练网络来学习数据的解缠表示的方法，以实现最小的监督，同时展示了该方法在头部图像领域上成功将身份从其他面部属性中解缠并显示出较好的评估结果。

    May, 2020

  • IDE-3D: 高分辨率三维感知人像综合的交互式分离式编辑

    本文提出了一个结合了低分辨率可编辑性和高质量的生成模型，是 3D-semantics-aware 方法的新途径，在视图一致、语义分离的面部图像方面具有状态 - of-the-art 的性能、忠实度和效率。

    May, 2022

  • 揭开跨类解耦的神秘面纱

    介绍了一种名称为 LORD 的基于潜在空间优化的表示分离方法，使用了不对称噪声正则化方法提高了分离性能，实验表明该方法的性能优于常见的对抗训练和非对抗训练方法，并通过聚类扩展该方法，取得了关于领域翻译的有希望的结果。

    Jun, 2019

  • 神经元人脸编辑与内在图像分离

    提出了一种基于生成对抗网络的端到端面部编辑器，通过该编辑器，可推断出具有内在面部属性的面部特定分离表示，包括形状（即法线），反射率和照明，同时呈现出阿尔法或透明度。通过应用物理图像形成模块和适当的损失函数进行 “野外” 图像训练得到的分解潜在表示允许使用语义相关的编辑，在保持正交属性不变的同时操纵面部外貌的一个方面，在许多面部编辑应用中得到了展示。

    Apr, 2017

  • 学习自然语言定义的解耦表示

    使用可表征语法和语义规律的定义句类别训练变分自编码器，并在多个测试中展现其成功解耦表示效果，以及在定义建模中得到的改善。

    Sep, 2022

  • 几何检验的解缠绕拟符号解释自然语言推理

    本研究基于 VAE 框架，定量定性地评估了生成的潜在空间在向量操作和语义解缠方面的几何特性，实证结果表明潜在空间中的角色内容被解缠，这为通过操纵向量在潜在空间上的遍历来控制解释生成提供了机会。

    Oct, 2022

  • AWOL: 使用语言进行分析而无需综合

    通过语言控制现有 3D 模型生成新的形状，使用潜在空间和参数空间的映射来学习，从而实现从语言生成未在训练中见过的物体的参数。通过测试，展示了在两种不同类型的参数化形状模型（四足动物和树）上的效果，并且为生成 3D 树木方法的首次使用语言驱动。

    Apr, 2024