- 基于物理启发的生成式设计框架的自动建筑空间布局规划
该研究提出了一种生成式设计框架,利用物理启发的参数模型和进化优化元启发式算法,在方案设计阶段生成多样的设计建议,适用于复杂的设计问题。
- 基于不确定性量化的生成模型与判别模型对比
通过对生成法和判别法进行比较分析,研究聚焦于从各种来源获取信息的不确定性感知推断,以及对半监督学习的兼容性,推导出一般的采样方案,从后验预测分布中获得监督学习和半监督学习。
- CVPRHiLo: 基于参数模型的详细且鲁棒的三维着装人体重建,使用了高频和低频信息
通过使用高频率和低频率信息,提出了 HiLo 方法来从 RGB 图像中重建穿着衣物的人体,用于虚拟试衣、电影和游戏等应用。实验结果表明,HiLo 方法在 Thuman2.0 和 CAPE 数据集上的 Chamfer 距离方面的优势达到 10 - 用多分辨率神经网络拟合听觉滤波器组
通过引入名为 MuReNN 的神经音频模型,我们旨在解决深度学习在波形处理中的非参数和参数方法之间的矛盾,MuReNN 通过训练离散小波变换 (DWT) 的八度子带上的独立卷积运算器来拓宽其感受野,将声音数据集的幅度响应与 Gammaton - 基于 Copula 的深层生存模型 —— 用于相关截尾数据的分析
该论文介绍了一种参数化的生存模型,通过放宽条件独立性的假设,扩展现代非线性生存分析并在合成和半合成数据中显著提高了生存分布的估计。
- ISP: 多层服装褶皱设计与隐式缝合图案
本文介绍一种参数化服装表示模型,它可以处理多层服装,并且使用 2D 和 3D 参数化定义服装形状来实现不同 iability,这种组合比纯隐式表面表示更快,重建结果更高质量,并且支持通过修改 2D 面材质实现快速编辑服装形状。
- CVPRRaBit: 使用拓扑一致的数据集对 3D 双足卡通角色进行参数建模
本文介绍了 3DBiCar 和 RaBit,它们分别是首个大规模的 3D 双足卡通人物数据集和相应的参数化模型。基于数据集,RaBit 采用类似 SMPL 的线性融合形状模型和基于 StyleGAN 的神经 UV 纹理生成器,同时表达形状、 - 可微分参数源模型的无监督音乐源分离
本文提出了一种无监督的基于模型的深度学习方法,用于音频源分离,该方法通过参数化源过滤器模型对每个源进行建模,并使用神经网络以基本频率估计源模型的参数来重构观察到的混合音频信号,实验证明该方法具有较高的数据效率和好的分离效果。
- CVPRHeadNeRF:实时基于 NeRF 的参数化头部模型
提出一种名为 HeadNeRF 的新人头模型,该模型利用神经辐射场来代替传统的 3D 网格,生成高保真的头部图像,并通过设计新的损失函数和将 2D 神经渲染与 NeRF 的渲染过程相结合,提高了渲染速度和准确性。
- ICML基于生成对抗模型的订单流量的日内价格模拟
使用序列生成对抗网络框架模拟订单流,以生成随机序列来模拟股价波动,通过比较模拟出的股价波动与实际股价波动的经验规律,结果表明生成模型更能够复制真实股价波动的统计行为。
- 神经人类表现者:学习通用辐射场以进行人类表现渲染
本研究提出了一种基于人体参数模型学习可泛化神经辐射场的新方法,使用稀疏多视角相机合成任意人类表演的自由视点视频,并在实验中取得了明显的优于以往 NeRF 方法的表现。
- CVPR针对 3D 人体网格配准的局部感知分段变换场
本研究提出了一种新型的基于 PTF 和多类占据网络的学习框架,以更准确地进行穿着的人类模型参数化配准和表面重建。
- PaMIR:基于参数模型的隐式表示方法进行基于图像的人体重建
提出了一种基于 PaMIR 的框架,结合参数化身体模型与自由形式深度隐含函数,采用新型深度神经网络规范化自由形式深度隐含函数,通过训练损失并提出身体参考优化方法,以及增强参数化模型对隐含函数的一致性,实现在多种挑战性场景下的 3D 人体重建 - 使用非线性参数模型进行夸张画中地标检测与三维人脸重建
本文提出了一种基于 3D 方法的自动化人物卡通画脸部特征检测与重建技术,首先通过建立一个由 2D 卡通图像及其相应的 3D 形状样式构成的数据集,建立了基于顶点的形变空间的参数化模型,然后通过神经网络来回归所需的 3D 脸部形状和方向,并通 - 视频对象分割的学习策略
该研究提出了一种新的、自动化的视频物体分割方法,通过集成一种可区分的少量样本学习模块,提高了分割精度,实现了当前 YouTube-VOS 2018 数据集的最新最佳分数,并使相对改进率达到了 2.6%以上。
- 半局部三维车道检测及不确定性估计
本文提出基于相机的 DNN 三维车道检测新方法,采用 BEV 矩形划分道路,结合深度特征嵌入建立车道段的参数模型和聚类方法实现道路的检测,尤其针对复杂的车道几何结构和曲率,同时输出一个基于学习的检测不确定性评估,实验证明效果显著。
- ECCV分层运动学人类网格恢复
提出了一种基于已知层次结构的人体参数化模型回归新技术,旨在更加灵活应用于当前标准的三维人体网格恢复框架,并通过实验数据证明其性能优于现有方法,能在数据损坏下推断关节。
- 广义张量估计的最优统计和计算框架
该论文提出了一种灵活的通用低秩张量估计问题的框架,包括计算成像、基因组学和网络分析等应用中的许多重要实例,并通过投影梯度下降的统一方法来克服这些问题的非凸性,以适应底层低秩结构,并证明该算法在估计误差的收敛速度上达到极小值最优率。
- 利用纹理一致性监督人体网格估计的姿态
该论文研究了基于模型的人体姿态估计问题,提出了一种自然监督方式,并通过引入纹理一致性损失来提高估计精度。
- ICCV通过模型拟合学习重构 3D 人体姿势和形状
该研究提出了一种新的方法,将基于优化的方法和基于回归的方法结合起来,通过深度学习网络和迭代优化技巧来准确估计人体姿势。在实验中,该方法在数据稀缺和限制条件下改善了现有技术的精度和效率。