3d representation learning | BriefGPT

关键词3d representation learning

搜索结果 - 8

多多 CLIP：多视图图像下的高效三维理解
推出了 Duoduo CLIP 模型，用于从多视图图像中学习形状表示，相比基于点云的方法，它展示了更好的泛化性能、减少的 GPU 要求和训练时间，以及利用多帧对象的交叉视图注意力进一步提升的性能。多视图图像还提供了与基于点云方法相比更大的灵
PDF17 days ago
CVPRTAMM：三适配器多模态学习用于 3D 形状理解
通过 TriAdapter Multi-Modal Learning（TAMM），在多模态预训练中引入了三个协同适配器，以更有效地利用 2D 图像和语言模态，缩小 3D 形状数据集的规模限制，提高对 3D 形状的理解和表示学习。
PDF4 months ago
JM3D 和 JM3D-LLM：借助联合多模态提示提升 3D 表示
为了解决 3D 数据与 2D 图像和文本的对齐问题带来的信息退化、协同不足和细节利用不充分的挑战，本文介绍了一种综合点云、文本和图像的综合方法 JM3D，其关键贡献是结构化多模态组织器和联合多模态对齐，通过高效的微调将 3D 表示与大型语言
PDF9 months ago
MM超越第一印象：整合多模态联合线索用于全面的 3D 表示
通过引入多视图联合模态建模方法，该研究论文提出了一种名为 JM3D 的新方法，以解决 3D 表示学习中的信息降解和不足协同问题，并在零样本 3D 分类任务上取得了领先于现有方法的性能。
PDFa year ago
PAPR: 接近度注意力点渲染
基于点云的场景表面的准确和简明表示的学习仍然是 3D 表示学习中的一个挑战。为了解决这些限制，我们提出了一种名为 Proximity Attention Point Rendering (PAPR) 的新方法，该方法由一个基于点的场景表示和
PDFa year ago
ULIP-2: 面向可伸缩的多模态 3D 预训练
ULIP-2 是一个用于 3D 表示学习的多模态预训练框架，它创建了包含图像、语言和 3D 点云的三模态三元组数据集，拥有更强的可扩展性和综合性，并利用大型语言模型自动生成全面的 3D 对象语言描述来提高多模态预训练的效果，并在 Model
PDFa year ago
ICLR自编码器作为跨模态的教师：预训练的二维图像变换器是否能帮助三维表示学习？
本研究使用自监督学习从 2D 图像和自然语言预训练 Transformers 的潜在特征教授 3D 表示学习，进一步促进了跨模态的知识转移和基础几何理解，实现了在各种现有测试中的最先进泛化能力。
PDF2 years ago
CVPRAR-NeRF: 使用光圈渲染神经辐射场从自然图像中无监督学习深度和景深效应
本文提出了一种基于光圈渲染神经辐射场 (AR-NeRF) 的方法，该方法能够在统一的射线跟踪框架中利用视点和景深线索，以无监督的方式学习深度和景深效果，为少视点数据集提供了潜在的应用。
PDF2 years ago