3d scene representation | BriefGPT

关键词3d scene representation

搜索结果 - 21

单视角三维重建中，一个像素价值高于三个 3D 高斯函数
从单视图图像中学习 3D 场景表示是计算机视觉中长期存在的一个基本问题，具有从输入视图预测未见内容的固有模糊性。本文提出了一种分层 Splatter 图像方法，通过一种像素由一个父 3D 高斯和少量的子 3D 高斯来表示，解决了典型 Spl
PDFa month ago
借助大型语言模型重新思考逆向图形
通过大型语言模型中编码的广泛世界知识，我们提出了一个反向图形的大型语言模型（IG-LLM）框架，将视觉嵌入解码为结构化的、组合的三维场景表示，从而展示了语言模型在逆向图形中的潜力，并推动了关于图像的精确空间推理的新可能性。
PDF2 months ago
CompGS: 通过压缩高斯光斑实现高效的 3D 场景表示
提出了一种名为 CompGS 的高效的三维场景表示方法，通过使用紧凑的高斯原始形式，实现了对三维场景建模过程中数据大小的显著降低。通过设计一种捕获彼此之间预测关系的混合原始结构，利用少量的锚原始形式进行预测，并将大多数原始形式封装成高度紧凑
PDF3 months ago
GaSpCT: 高斯喷点在新型 CT 投影视图合成中的应用
GaSpCT 是一种新颖的视图合成和 3D 场景表示方法，用于生成计算机断层扫描（CT）扫描的新颖投影视图，无需运动结构学（SfM）方法，在总体扫描时间和患者接受的辐射剂量方面减少。
PDF3 months ago
SCINeRF：快照压缩图像中的神经辐射场
我们研究了利用快照压缩成像（SCI）技术从单个时态压缩图像中恢复底层 3D 场景表示的潜力。我们的方法基于神经辐射场（NeRF）的强大 3D 场景表示能力，将 SCI 的物理成像过程作为 NeRF 的训练的一部分，从而在捕捉复杂场景结构方面
PDF3 months ago
SinMPI: 从单图像中生成扩展的多平面图像的新观点合成
提出了 SinMPI 方法，通过扩展的多平面图像作为 3D 场景表示，使用稳定扩散生成超出视野内容并优化多平面图像，从而显著扩展了透视范围，生成高质量的新视图图像。
PDF7 months ago
利用街景图像增强航拍图像的单目高度估计
通过结合街景图像和几何约束，本文提出了一种改进单目高度估计的方法，实验结果表明该方法比基线方法更准确且在精度和结构一致性方面有显著改进。
PDF8 months ago
面向可推广神经辐射场的有针对性对抗攻击
Neural Radiance Fields（NeRFs）能够用稀疏的 2D 观测数据学习合成高质量图像，实现逼真的互动场景重建。然而，本文展示了使用低强度的对抗攻击和对抗补丁对具有通用性的 NeRFs 进行攻击，并演示了生成特定预定义输出
PDF9 months ago
神经辐射场（NeRFs）：综述与一些最近的发展
Neural Radiance Field (NeRF) is a framework representing a 3D scene with MLP, achieving state-of-the-art photorealistic
PDFa year ago
使用神经辐射场生成逼真的 LiDAR 点云
利用实际数据和图像，我们提出了一种新的 LiDAR 模拟方法 NeRF-LiDAR 用于生成真实的 LiDAR 点云，以便更有效地训练和验证自动驾驶算法，并可以通过预训练来提高准确性。
PDFa year ago
使用有条件的神经辐射场进行视觉定位的 NeRF-Loc
本文提出了一种新颖的基于 3D 场景描述符和转换器与 2D 图像进行直接匹配的视觉重新定位方法，NeRF 作为 3D 场景表示，在统一特征匹配和场景坐标回归的同时，本模型在两个训练阶段学习可推广的知识和场景先验知识。此外，为了提高本模型在训
PDFa year ago
CVPRNerflets: 基于局部辐射场的 2D 监督下高效结构感知的 3D 场景表示
本研究探讨了从图像中高效和结构感知的三维场景表示。通过引入 nerflets 这一本地神经辐射场的概念，我们实现了通过光度和探测到的视角信息来共同优化 nerflets 的参数，进而形成场景的分解表示，并能够通过任意视角提取全景和光度渲染，
PDFa year ago
基于视觉的三视角视图的 3D 语义占用预测
采用鸟瞰图（BEV）描述自动驾驶中的三维场景难以描绘细粒度的三维结构，因此我们提出了三面图（TPV）表示法，并使用基于注意力机制的 TPV 编码器实现了显著的提升。模型可以通过稀疏监督有效预测语义占用，仅使用相机输入在 LiDAR 分割任务
PDFa year ago
通过自监督静态 - 动态解缠缚，从单幅图像中查看 3D 物体
本文提出一种无监督学习方法，通过观察未标记的多视角视频，学习将一个包含多种物体的复杂场景的单幅图像观察映射到一个三维神经场景表示，可以将该表示分解为可移动和不可移动的部分，并通过神经渲染进行自监督训练，从而实现基于对象的三维表示、新视角合成
PDF2 years ago
CVPRNerfels: 基于可渲染神经码的相机姿态估计改进
本文提出了一个框架，它将传统的基于关键点的相机姿态优化与可逆神经渲染机制相结合。我们提出的 3D 场景表示 Nerfels 在本地密集而全局稀疏。通过仅在检测到本地特征的位置建模场景，我们的框架通过神经渲染器中的可优化代码调节机制有效地概括
PDF2 years ago
EfficientNeRF: 高效神经辐射场
本文提出 EfficientNeRF，一种高效的基于 NeRF 的方法，用于表示 3D 场景和合成新视图图像。通过在粗略和精细阶段分别提出有效的和关键的采样方法，以显著提高采样效率。同时，设计一种新的数据结构来加速整个场景的缓存以加速渲染速
PDF2 years ago
CVPR场景表征变换器：通过隐式场景表征进行无几何新视图合成
该论文提出了一种名为 SRT 的方法，用于从少量 RGB 图像中推断出 3D 场景表示，并在单个前向传递过程中合成新视图，使其超越了最近的基线。
PDF3 years ago
TransformerFusion：使用 Transformer 的单目 RGB 场景重建
TransformerFusion 是一种基于 Transformer 的 3D 场景重建方法，通过 Transformer 网络处理输入的单眼 RGB 视频，将观察结果融合为代表场景的体积特征网格，最终解码为隐式的 3D 场景表示，实现精
PDF3 years ago
学习用于机器人操作的 3D 动态场景表达
介绍了一种通过同时发现、跟踪、重构对象及预测其动态来捕获三个关键对象属性的三维动态场景表示方法 DSR，基于此提出了 DS 核网络 DSR-Net 模型，在建立和优化 DSR 模型的过程中逐渐聚合视觉观测，并在仿真和实际数据上实现了 3D
PDF4 years ago
BlockGAN：从未标注的图像中学习 3D 物体感知场景表示
BlockGAN 是一种图像生成模型，可以从未标记的 2D 图像中学习具有物体感知的 3D 场景表示，并使用显式的 3D 特征来表示场景中的对象，实现了在保持图像真实性的同时，对于每个对象的 3D 姿态和身份进行控制，并学习到物体和属性方面
PDF4 years ago