Feb, 2023

一种几何感知的自编码器，用于多纹理合成

PDF
TL;DR本研究提出了一种自编码器体系结构，可以用于多纹理合成。该方法依赖于同时考虑二阶神经统计和自适应周期性内容的紧凑编码器和生成器，将图像嵌入一个紧凑和几何一致的潜空间，在这个空间内实现纹理表示和其空间组织的解耦。实验结果表明，该模型在视觉质量和各种纹理相关指标方面优于最先进的前馈方法。
auto-encodermulti-texture synthesisneural statisticslatent spacetexture representation
发现论文，激发创造
  • 深度几何纹理合成

    本研究提出了一种新的框架，用于学习几何纹理统计知识以生成具备放射性的深层特征，使得可以实现在不同层次上的网格顶点位移及纹理转移。

    Jun, 2020

  • 3D 人类半监督高分辨率可编辑纹理合成

    本文提出了一种生成高保真度纹理地图的新方法，使用一种称为 ReAVAE 的网络来学习每个语义区域的样式概率分布，控制生成纹理的样式，可以用于虚拟试穿 AR/VR 应用。

    Mar, 2021

  • 引入嵌入微结构自编码器方法从减少的参数空间重建高分辨率解场

    研究中开发了一种新颖的多保真度深度学习方法，通过将参数空间信息纳入标准自动编码器体系结构中，将低保真度解决方案图转换为高保真度解决方案图，并表明由于参数空间数据的整合，该方法要求显著较少的训练数据来实现从低保真度到高保真度的有效性能。

    May, 2024

  • 几何自编码器 -- 眼见即所解码

    本文提出了一种名为 “几何自编码器” 的数据可视化方法，该方法采用低维潜在空间的自编码器训练，通过微分几何学的角度，引入新的正则化项，减少误差导致的畸变，使数据结构的可视化更加准确。

    Jun, 2023

  • 通过去噪引导潜在表示的文本自编码器教育

    本文介绍了一种通过利用生成自编码器的潜在句子表示来实现可控制文本生成的方法。作者提出了一种改进自动编码器的方法，被称为 DAAE，该方法可以在维持生成质量的同时，提高模型中的潜在空间几何性，从而实现了通过简单潜在向量算术进行全零文本风格转换。

    May, 2019

  • 反馈循环自编码器视频压缩

    本研究提出了一种新的基于已有组件的网络结构用于快速学习视频压缩，针对现有方法的图形概率模型进行了分析并指出了实验评估中观察到的时间一致性和颜色偏移的问题，并提出了解决这些问题的方向。

    Apr, 2020

  • Compress3D：来自单张图像的 3D 生成的压缩潜空间

    通过使用 triplane 自编码器将 3D 模型编码为紧凑的 triplane 潜空间，本文提出了一种有效压缩 3D 几何和纹理信息的方法，并引入了 3D 感知交叉注意机制，从高分辨率的 3D 特征体积中查询特征，提高了潜空间的表示能力。同时利用图像嵌入和形状嵌入作为条件，通过扩散先验模型估计形状嵌入，实现了优于现有算法的性能，且仅在单个 A100 GPU 上耗时 7 秒。

    Mar, 2024

  • 纹理三维网格卷积生成

    本文提出使用不同 iable rendering 技术生成三角网格和相关高分辨率纹理贴图的框架，以单视角自然图像为 2D 监督，并将网格和纹理编码为 2D 表示，以便使用 2D 卷积 GAN 进行建模，并在 Pascal3D + Cars 和 CUB 上展示了方法的有效性及其评估方法。

    Jun, 2020

  • 神经纹理驱动：一个用于关节形状的神经几何和纹理渲染的框架，实现交互速度下的重新识别

    我们提出了一种用于纹理关节形状的神经渲染管线 Neural Texture Puppeteer，通过分离几何和纹理编码来捕捉表面的空间关系，并将全局纹理嵌入作为识别个体的下游任务，以实现与神经渲染的快速交互速度。

    Nov, 2023

  • 神经图形纹理压缩支持随机访问

    通过将传统 GPU 纹理表示和神经图像压缩技术相结合，我们提出了一种新的纹理集压缩方法，该方法利用卷积编码器捕捉细节信息并采用完全连接网络进行解码，实现了对多通道纹理集的随机访问和支持多分辨率重建。实验结果表明，与传统纹理压缩方法和最新的神经网络方法相比，这种方法获得了更好的结果。

    May, 2024