3d world | BriefGPT - AI 论文速递

关键词3d world

搜索结果 - 9

EgoPoseFormer：一种用于自视角 3D 人体姿态估计的简单基线
使用 EgoPoseFormer 模型进行立体自我中心人体姿态估计，通过引入两阶段姿态估计范式和可变形立体操作，有效地解决了联合不可见性问题，从而实现了更精确的关节点定位和三维环境中的姿态估计。
PDF3 months ago
GPT4Point: 一个用于点 - 语言理解与生成的统一框架
GPT4Point 是一种创新的点语言多模态模型，用于统一的 3D 对象理解和生成，在 MLLM 框架内能够无缝地执行各种点 - 文本参考任务，并具备高级的可控 3D 生成能力，通过低质量的点 - 文本特征获取高质量的结果。
PDF7 months ago
三维环境中的具身综合应用智能体
利用大规模知识和学习方案以及大型语言模型（LLM），最近的机器学习模型在构建通用性代理人方面取得显著成功，表现出在不同领域（包括自然语言处理、计算机视觉和机器人技术）解决通用任务的能力。然而，这些模型在理解和与三维世界交互方面仍存在显著挑战
PDF8 months ago
4D 雷达点云的运动物体检测与追踪
移动自主性依赖于对动态环境的精确感知。因此，鲁棒地跟踪三维世界中的移动物体对于轨迹预测、避障和路径规划等应用至关重要。尽管大多数当前方法利用激光雷达或摄像头进行多目标跟踪 (MOT)，但四维成像雷达的能力仍然很少被探索。针对四维雷达数据中的
PDF10 months ago
ViewNet: 无监督条件生成的视角估计
介绍了一种基于自监督学习的方法，使用透视空间变换器来实现高效的无监督视角学习，从而实现在三维世界中理解物体的探索。
PDF2 years ago
ACL基于 Voxel 的语言基础
Voxel-informed Language Grounder is a language grounding model that leverages 3D geometric information to improve ground
PDF2 years ago
基于世界一致性的视频到视频合成
提出了一种新颖的 vid2vid 框架，它使用所渲染的所有过去帧来生成当前帧，并通过引入物理基础的 guidance image 来提高 3D 世界的一致性，并使用新颖的神经网络架构利用存储在 guidance image 中的信息。
PDF4 years ago
GRAF: 用于三维感知图像合成的生成辐射场
本文提出了一种基于放射场的生成模型，该模型具有高保真度的可渲染三维一致模型，能够更准确地控制相机视点和物体姿态，并通过一个多尺度基于补丁的鉴别器来演示高分辨率图像的合成。
PDF4 years ago
ICLR多智能体竞争引发的紧急复杂性
本文介绍了几种在三维环境中进行竞争多智能体自我对抗训练的方法，这些方法可以训练出丰富多彩、技能复杂的智能体。此外，我们指出，自我对抗训练可以产生超出环境本身复杂性的行为，并且自带课程设置，有助于智能体学习不同难度水平下的技能。
PDF7 years ago