- ICCVScoot:面部素描的感知度量
本文介绍了一种名为 “Structure Co-Occurrence Texture” 的感知度量,它同时考虑了块级空间结构和共现纹理统计信息,该方法在人脸素描合成领域中获得了良好的表现。
- 单张图像中穿着衣物的人的 360 度纹理
本文使用图像到图像翻译方法在 SMPL 模型的 UV 空间中推断纹理和几何学,以此预测人物的完整三维化身。通过此方法,我们得到的预测纹理和几何学可以应用到 SMPL 模型上,从而自然地对新的姿势、形状和衣物进行推广。
- CVPR基于坐标的纹理修复技术用于姿态引导图像生成
本文提出了一种基于深度学习的姿态引导的人类照片重新合成方法,它基于单张照片估计完整身体表面纹理,并使用一个新的修补方法将图像纹理转换为目标姿势视图。
- 通过视角合成实现分层结构化三维场景推断
该研究提出了一种从单个输入图像中推断出场景的分层结构 3D 表示的方法,使用视图合成作为代理任务来弥补直接监督缺失的不足,并展示了其在两种不同场景下的定性和定量验证结果。
- CVPR通过深度空间特征转换在图像超分辨率中恢复逼真纹理
本文提出一种基于语义分割概率图的空间特征变换(SFT)层,能有效恢复语义类匹配的纹理特征,使得卷积神经网络(CNN)进行单图像超分辨率(SR)重建更具真实性和视觉感受性。
- 从图像集合学习类别特定的网格重建
本文提出一种学习框架,可以从单个图像中恢复物体的 3D 形状、相机、和纹理,使用一个可变形的 3D 网格模型来表示形状,在不依赖于地面真值 3D 或多视图监督的情况下,利用注释的图像集进行训练并学习 3D 预测机制与可变形模型。作者还展示了 - 伪装场景下的前景检测
该论文提出了一种纹理引导加权投票(TGWV)方法,可以有效地检测伪装场景中的前景对象。该方法利用静态小波变换将图像分解成频带,并根据所有小波频带的强度和纹理设计了加权投票方案,结果表明该方法的性能优于当前的最新结果。
- CVPRTextureGAN:使用纹理贴片控制深度图像合成
本文介绍了一种通过草图、颜色和纹理生成深层次图像的方法。通过引入纹理控制来实现用户对输出纹理的控制,我们的生成网络可以学习到如何根据用户的纹理想法生成与之一致的对象,并且在实验中得到了验证。
- 局部二值模式两个十年:一项调查
介绍了二维、时空三维和四维等不同领域中最具代表性的 Local binary patterns 及其变种,探讨了其应用,包括纹理、图像描述和信号分析等,同时简要概述了其未来的研究挑战。
- CVPR几何计算辅助的材料识别
本研究旨在以图像和几何信息为基础来识别材料类别。我们提出了一个新的数据集来研究如何使用 3D 几何信息和 2D 特征来提高材料分类的准确性,并且结果表明联合和独立地使用 2D 和 3D 特征来模拟材料可以提高材料分类的准确性。
- 使用触觉和视觉信息的深度学习表面材料分类
本文提出了一种基于全卷积神经网络(FCN)的表面材料分类的深度学习方法,该方法利用了手持工具在物体表面运动时捕捉到的加速度(haptic signal)信号和对应的表面纹理图像作为输入,相比之前基于手工设计的领域特定特征的分类方法,我们的方