Jan, 2024

3DG：利用生成式人工智能处理来自智能辅导系统的稀疏学习者性能数据的框架

PDF
TL;DR通过使用 3DG 框架（三维张量的增密和生成）以及结合张量分解和生成对抗网络（GAN）以及生成预训练变换器（GPT）这些先进生成模型的方法，我们有效地增强了学习表现数据的填补和扩充，从而解决了智能辅导系统（ITS）中数据稀疏性问题，并大大提高了个性化教育技术的可伸缩性和可靠性。
发现论文，激发创造
  • 生成型人工智能遇上 3D：AIGC 时代的文本到 3D 调查

    本研究主要介绍了生成人工智能中的文本导向内容生成，着重探讨其中的文本导向三维技术，提供了一份关于该领域的综合调查报告。该报告介绍了三维数据表示、相关技术及其在不同应用方面的应用，包括头像生成、纹理生成、形状变换和场景生成，以及使用 NeRF 等文本到图像与三维建模技术的新兴方向的最新进展。

    May, 2023

  • 三维感知视频生成

    本文探讨了生成对抗网络 (GANs)，将神经隐式表示与时间感知区别器相结合，发展了一种 GAN 框架，仅用单目视频合成了 3D 视频，能够学习可分解的 3D 结构和运动的丰富嵌入，实现了新的时空渲染视觉效果，同时也能产生与现有 3D 或视频 GANs 相媲美的图像质量。

    Jun, 2022

  • 3D 表征的深度生成模型：一项调查

    本文概述了 3D 生成方法和 3D 感知图像合成的算法和表示方法的发展，并探讨了面临的困难和挑战。

    Oct, 2022

  • 3DGEN：一种基于 GAN 的从图像数据生成新的 3D 模型的方法

    我们提出了 3DGEN 模型，它利用最近在物体重建和基于 GAN 的图像生成方面的工作，可以为训练图像的同一类别对象生成可信的三维网格，并将生成的网格与当前最先进的基准模型进行比较，取得了可见的生成质量改进。

    Dec, 2023

  • ImageNet 的 3D 生成

    本文提出了一种基于 3D GAN 的 3D 生成器，采用了不同于以往的数据假设、深度框架和相机模型，在多样化数据集（如 ImageNet）上取得了优于现有技术的纹理和几何质量的结果。

    Mar, 2023

  • 野外学习生成隐式神经资产

    本文介绍了一种基于真实驾驶数据的生成模型 GINA-3D，其使用相机和 LiDAR 传感器捕获数据，通过学习三平面潜在结构的方法处理姿态与视差，从而创建具有多样性的车辆和行人 3D 模型，并在大规模的样本测试中表现出高质量和多样性。

    Apr, 2023

  • GET3D: 从图像中学习高质量 3D 纹理形状的生成模型

    GET3D 是一种 3D 生成模型，能够直接生成具有复杂拓扑结构、丰富几何细节和高保真纹理的显式纹理 3D 网格，从而显著改进了以往的方法。

    Sep, 2022

  • 迈向自由计算架构：Metaverse 中生成虚拟建筑的深度学习综述

    该综述评估了使用深度生成模型（DGM）生成三维物体的最新方法，重点关注于建筑形式的虚拟环境中生成建筑的可能性，从离散光子生成、2D 图像生成 3D 模型到条件参数生成等等，同时指出了生成 3D 形状和参数化控制中未被探索的问题，其中数据限制、可编辑性、评估指标和人机交互四个研究方向对于计算机辅助设计中的充分互动至关重要。

    Apr, 2023

  • 多图表生成式表面建模

    介绍了一种基于深度神经网络的三维形状生成模型，利用基于多参数化的张量数据表示来实现高质量的三维形状学习并生成新形状，适用于人体和骨 (牙齿) 形状生成。

    Jun, 2018

  • 在生成类人工智能时代的黎明：关于 6G 无线智能的新前沿的教程与综述

    通过对 6G 网络研究中的数据驱动的无线研究、生成式人工智能、生成模型、GMs 和 6G 网络研究等关键词进行分析，本文介绍了生成模型的教程和调查，并对无线研究领域的核心问题进行了回顾和分析，提出了 GMs 在 6G 网络研究的重要作用，并针对未来可能面临的挑战提供了潜在的策略和有希望的解决办法。

    Feb, 2024