- 第 14 届国际自动几何推理会议论文集
ADG 是一个关于几何和自动推理交叉领域的论坛，每两年举办一次，为交流思想、展示研究成果和进展，以及展示软件工具提供了平台，2023 年的 ADG 会议在塞尔维亚贝尔格莱德举办，并且特别关注于教育中的推理问题。
- Mix-GENEO：多参数持久同调的灵活过滤方法用于数字图像检测
拓扑数据分析领域中的两个重要问题是在对象上定义实用的多滤波和展示 TDA 检测几何的能力。通过解决这些问题，我们构建了名为 multi-GENEO、multi-DGENEO 和 mix-GENEO 的三个多滤波，并证明了 multi-GEN - 使用单目摄像头实现衣着 3D 人体角色的动态外貌建模
使用一个人的动态视频，通过引入新颖的组合式人体建模框架，结合显式建模和隐式建模的方法，实现高质量的服装 3D 人体化身建模，解决了缺乏几何和其时间对应关系的 3D 真值数据的挑战，成功地生成了具有运动相关几何和纹理的服装 3D 人体化身。
- 融合黎曼几何特征学习飞机机翼上的压力分布系数
利用几何理论，我们提出了一种将黎曼几何特征结合到深度学习模型中，以预测机翼表面的压力系数分布，实验结果表明，与最先进的深度注意力网络相比，我们的方法能够将压力系数的预测均方误差平均降低 8.41%。
- SEEAvatar: 受限几何和外观的照片级文本到 3D 头像生成
使用大规模文本到图像生成模型，我们提出了 SEEAvatar，一种通过自进化约束生成具有真实感的 3D 头像的方法。通过对几何形状进行全局和局部部分的约束，并使用扩散模型和物理渲染管线生成逼真的纹理，我们的方法在全局和局部几何形状和外观质量 - NVFi：基于动态视频的三维物理学习的神经速度场
本文旨在从多视角视频中建模 3D 场景的动态。我们提出了一种新的方法，通过仅利用视频帧学习 3D 场景的几何、外观和物理速度，从而支持多种理想的应用，包括未来帧插值、无监督的 3D 语义场景分解和动态运动传递。
- 稀疏图像中三维人脸重建的鲁棒几何和反射分离
本文提出了一种创新的两阶段方法，用于从稀疏视图图像重建人脸，该任务由于每个个体的独特几何和复杂皮肤反射而具有挑战性。我们的方法专注于从环境光中分解关键的面部属性，包括几何、漫反射和镜面反射。开始时，我们从多样化的个体脸部图像集创建一个通用的 - GIR: 可重新照明场景分解的三维高斯逆渲染
提出了一种使用 3D 高斯逆渲染的方法（GIR），用于重构可重照场景因素。通过使用 3D 高斯估计物体的材料属性、照明和几何结构，相比于现有的离散网格或神经隐式场逆渲染方法，我们的方法在性能、通用性和效率方面具备更大潜力。
- IntrinsicAvatar：基于物理的动态人体反渲染，通过显式光线追踪从单目视频中
我们提出了 IntrinsicAvatar，一种从仅单目视频中恢复着装人类角色的内在属性，包括几何、反射率、材质和环境光照的新方法。
- 降低集中度改善句子 BERT 语义空间
通过使用 Sentence-BERT 创建的嵌入表征语义空间的结构，我们发现其中普遍存在的高维度问题，即 hubness 会导致不对称的邻居关系，而减小 hubness 可以提供更好的文本语义表征。
- 神经纹理驱动：一个用于关节形状的神经几何和纹理渲染的框架，实现交互速度下的重新识别
我们提出了一种用于纹理关节形状的神经渲染管线 Neural Texture Puppeteer，通过分离几何和纹理编码来捕捉表面的空间关系，并将全局纹理嵌入作为识别个体的下游任务，以实现与神经渲染的快速交互速度。
- RichDreamer: 一个适用于文本到 3D 的可推广的法线混合模型
通过训练一个通用的 Normal-Depth 扩散模型，结合图像到深度和法向量先验模型，以及引入反射率扩散模型来减轻材质的混合光照效果，本文提出了一种用于 3D 生成的方法，显著增强了细节丰富性，达到了最先进的结果。
- 重建现实中的物体用于逼真的传感器模拟
从稀疏的野外数据中准确估计几何和逼真外观，并将其渲染到新颖视角中，以增加机器人训练和测试的现实感、多样性和规模的研究。
- GUPNet++：用于单目三维物体检测的几何不确定性传播网络
通过概率建模几何投影，提出了一种几何不确定性传播网络（GUPNet++），用于改进单目三维物体检测的准确性和可靠性。
- 数据参数域上的联合群不变函数引导通用神经网络
通过研究对称性和几何学，我们提出了一种系统规则，通过数据域上的群作用来找到参数域上的双重群作用，并通过 Schur 引理给出了广义神经网络的群理论证明，从而将几何深度学习与抽象谐波分析相连。
- 监督对比损失的神经坍缩几何工程
我们提出了一种修改对比损失函数来调整学习特征嵌入几何结构的方法，通过使用原型在每个批次中引导学习嵌入和原型的几何一致性，并在深度神经网络上基于基准视觉数据集进行了一系列实验证实。
- 不考虑实例的几何和接触动力学学习
通过使用几何作为共享表示，本研究提出了一种实例不可知的学习框架，融合了视觉与动力学，以同时学习形状、姿态轨迹和物理属性。通过使用 RGBD 视频，无需先验知识和已知形状，该框架能够学习对象的几何和动力学特性。实验证明了该框架在学习刚性和凸物 - 安全线性赌臂机中的问题几何利用
通过利用特定问题设置的几何性质，我们为分离良好的问题实例和有限星凸集的行动集提供了改进的遗憾保证。此外，我们提出了一种新的算法，该算法在选择问题参数时自适应，并且至少与现有算法具有相同的遗憾保证。最后，我们引入了安全线性贝叶斯设定的一个概括 - SieveNet: 基于点特征的网状网络选择
SieveNet 是一种新的方法，综合考虑了规则拓扑结构、准确的几何信息和网络架构，用于处理 3D 计算机视觉和图形中的网格数据。
- TADA！文本到可动画数字化人物
通过结合 2D 扩散模型和可动参数身体模型，TADA 能够利用文本描述创建具有高质量几何和逼真纹理的 3D 头像，能够实现动画和渲染，并在几何和纹理之间确保一致对齐。