denoising diffusion process | BriefGPT

关键词denoising diffusion process

搜索结果 - 10

多稳定形状由补丁扩散产生
用单个阴影图像重建表面的单眼形状重建模型应该产生输出的分布，因为连续（例如浮雕）和离散（例如凸 / 凹）多样性的数学不确定性，也被人类经历到。然而，当前模型的输出仅限于点估计或围绕单一模式的紧密分布，这阻碍了它们捕捉这些效应。我们引入了一个
PDFa month ago
ConsistencyDet: 具有一致性模型去噪范式的稳健物体检测器
通过利用一种自洽模型的创新去噪概念，我们引入了一个被称为 ConsistencyDet 的新框架，用以将目标检测作为一个去噪扩散过程来表述。在训练阶段中，ConsistencyDet 使用从地面实况注释衍生的噪声注入框开始扩散序列，并调节模
PDF3 months ago
3DifFusionDet：基于鲁棒性激光雷达与相机融合的三维物体检测的扩散模型
该研究提出了 3DifFusionDet 框架，将 3D 目标检测视为从噪声 3D 框到目标框的去噪扩散过程，并通过特征对齐策略和渐进改进方法，在 LiDAR-Camera 融合中取得了显著贡献。实验证明，3DifFusionDet 在 K
PDF8 months ago
基于 SE (3) 扩散模型的点云配准方法用于鲁棒的 6D 物体位姿估计
本研究介绍了一种基于 SE (3) 扩散模型的点云注册框架，用于实现现实场景下的 6D 物体姿态估计。我们的方法将 3D 注册任务作为一种去噪扩散过程，逐步改进源点云的姿态，以与模型点云精准对齐。通过 SE (3) 扩散过程和 SE (3)
PDF8 months ago
DiffusionTrack: 多目标跟踪的扩散模型
提出了一种简单但健壮的框架，将物体检测和关联作为从配对噪声框到配对真实框的一致去噪扩散过程来联合建模，通过新颖的渐进去噪扩散策略大幅提升了跟踪器的效果，在推理中，模型通过灵活的一步或多步去噪扩散过程，将一组随机生成的配对框优化为检测和跟踪结
PDF10 months ago
DiffSED：使用降噪扩散的声音事件检测
通过采用生成学习的角度来重新构建声音事件检测问题，我们的模型在训练中学习逆转噪声处理，从而能够从噪声查询中生成准确的事件边界，实验证明在 Urban-SED 和 EPIC-Sounds 数据集上，我们的模型在训练中具有 40% 以上的更快收
PDFa year ago
ICCV基于扩散模型的概率人体网格恢复的生成方法
通过使用基于扩散的人体网格恢复（Diff-HMR）的生成方法框架，本文提出了一种解决从给定 2D 图像重建 3D 人体网格的问题的方法，来解决任务的固有模糊度。验证实验表明，该框架能够以概率的方式有效模拟任务的固有模糊度。
PDFa year ago
DiffHand: 基于扩散模型的端到端手部网格重建
利用一种基于扩散的手部三维网格重建框架 ——DiffHand，利用噪声模拟中间手网格的不确定性分布进行渐进式去噪过程，设计跨模态解码器来更好地模拟手顶点的连通性，从而达到优于先前方法 5.8mm PA-MPJPE 的最优表现。
PDFa year ago
扩散模型求解逆问题的变分视角
本文提出一种基于变分法的正则化方法 RED-Diff 来解决扩散模型后验分布不可计算的问题，通过在不同时间步引入不同的去噪器来实现对图像结构的约束，进而提高扩散模型在图像修复等领域的应用性能。
PDFa year ago
DiffusionDet: 目标检测的扩散模型
DiffusionDet 是一种将对象检测作为从噪声框到对象框的去噪扩散过程的新框架，其在训练阶段通过对象框从地面实况框扩散到随机分布，模型学习将该过程反转，在推断阶段，模型以渐进方式将一组随机生成框细化为输出结果，使用随机框作为对象候选框
PDF2 years ago