Feb, 2023

神经小波扩散用于 3D 形状生成、反转和操作

PDF
TL;DR本文提出了一种基于连续小波嵌入式表示的 3D 形状生成、反演、操纵方法，包括紧凑的小波表示、扩散生成器、细节预测器、编码器等，实现了较为强大的形状生成、反演、操纵能力，优于现有的最新方法。
3d shape generationwavelet domainimplicit representationneural networksshape manipulation
发现论文，激发创造
  • 具有潜在三维扩散的局部感知形状生成

    本文提出了一种新颖的潜在的 3D 扩散模型来生成神经体素场，旨在实现准确的部件感知结构。通过对现有方法的比较，我们采用了两个关键设计来确保高质量和准确的部件感知生成。一方面，我们引入了潜在的 3D 扩散过程来生成神经体素场，使其能够以显著更高的分辨率生成富有纹理和几何细节。另一方面，我们引入了部件感知的形状解码器，将部件代码整合到神经体素场中，引导准确的部件分解并产生高质量的渲染结果。通过广泛实验和与现有最先进方法的比较，我们对我们的方法在四种不同类别的数据上进行了评估。结果表明，我们提出的方法在部件感知形状生成方面具有优秀的生成能力，优于现有最先进方法。

    May, 2024

  • WDM: 高分辨率医学图像合成的三维小波扩散模型

    利用基于小波的医学图像合成框架的扩散模型，可以在高分辨率下生成高质量的医学图像。

    Feb, 2024

  • 小波扩散模型：快速可扩展的图像生成器

    通过提出一种基于小波的扩散方案以及使用重构项来提高模型训练收敛性，本文旨在缩小扩散模型与 GAN 模型之间速度差距，实验结果证明该方案是实现实时高保真扩散模型的基础。

    Nov, 2022

  • 拓扑感知的潜在扩散用于 3D 形状生成

    我们介绍了一个新的生成模型，它将潜在扩散与持续同调相结合，以创建具有高多样性的 3D 形状，重点关注它们的拓扑特征。

    Jan, 2024

  • 神经隐式表面的参数化的双向变形

    本文提出了一种用于神经隐式表面的简单参数化的新型神经算法，以促进可视化和各种编辑任务，并支持多个对象的共同参数化和纹理传递。

    Oct, 2023

  • 使用三面体扩散生成 3D 神经场

    本研究提出了一种基于扩散模型的高效的神经场三维生成方法，通过将训练数据转换为连续占据场并将其分解为一组轴对齐的三面体特征表示来实现，训练过程中，采用现有的二维扩散模型对这些特征表示进行训练，生成高质量和多样性的三维神经场，且优于其他三维生成方法。

    Nov, 2022

  • Make-A-Shape：一个千万级的三维形状模型

    这篇论文介绍了 Make-A-Shape，一种用于高效训练的新型 3D 生成模型，它能利用 1000 万个公开可用形状，并通过波克树表示将形状紧凑地编码，并通过扩散模型生成形状。这种模型不仅在高质量结果方面超越了现有技术水平，而且能够在几秒内高效生成形状。

    Jan, 2024

  • 对抗生成连续的隐式形状表示

    本研究提出了一种基于有符号距离表示的生成对抗神经网络架构，能够生成高保真度的三维模型，并通过使用不同的 progressively growing voxel 网络作为鉴别器以及细化生成器能力的算法，从 ShapeNet 基准数据集中验证了其有效性。

    Feb, 2020

  • 逐阶层小波优化细化扩散模型在稀疏视角 CT 重建中的应用

    一项名为 SWORD（Stage-by-stage Wavelet Optimization Refinement Diffusion）模型的创新性方法被提出，用于稀疏视图 CT 重建。该方法结合了低频和高频生成模型，通过优化过程实现解决方案。实验证明，该方法在定量和定性方面均优于现有的先进方法。

    Aug, 2023

  • 3DQD: 基于部分离散扩散过程的通用深度三维形状先验

    本篇论文提出了一个通用的 3D 形状模型生成模型，采用向量量化变分自编码器、离散扩散生成器和多频率融合模块等技术，实现了高保真度、多样性以及跨模态对齐等功能，能够应用在点云补全和多种 3D 形状生成任务中，实验证明其在各种任务中都表现出较高的性能。

    Mar, 2023