CVPR‘24 最佳学生论文，从灵感到成稿仅用一个月，源自业余创意！

最新推荐文章于 2024-07-25 10:27:09 发布

TechQuester

最新推荐文章于 2024-07-25 10:27:09 发布

阅读量713

点赞数 23

文章标签：人工智能 ios gpt chatgpt python pygame

本文链接：https://blog.csdn.net/ElevenSakura/article/details/139888200

版权

北京时间6月20日凌晨，CVPR 2024正式公布了最佳论文和最佳学生论文等奖项。

其中，最佳论文有两篇，分别是BioCLIP和Mip-Splatting。

据Mip-Splatting论文的第一作者Zehao Yu的导师、图宾根大学教授Andreas Geiger透露，这篇论文从想法到成稿只用了一个月的时间！

没体验过OpenAI最新版GPT-4o？快戳最详细升级教程，几分钟搞定：
升级ChatGPT-4o Turbo步骤https://www.zhihu.com/pin/1768399982598909952

Geiger还提到，Zehao Yu之前参与过多个项目并发表过论文，但在Mip-Splatting项目之前，他从未接触过高斯泼溅技术。

在回顾Zehao Yu的研究历程时，Andreas Geiger提到：

Zehao已经在我的实验室里做了一段时间的博士生了。他和实验室里的许多人一样，做了很多出色的工作。首先，他参与了一些项目（如TransFuser），并在NeurIPS 2022会议上发表了他的第一篇独立论文（MonoSDF）。

他还开发了一个用于表面重建的完整软件框架，基于SDF模型（SDFStudio）。

在Mip-Splatting之前，他没有使用过高斯泼溅方法。事实上，他当时正在研究另一个使用更「传统」神经隐式表示的项目，但那个项目进展不顺利，遇到了很多障碍。

到了2023年10月，他在业余时间开始尝试高斯泼溅技术。他喜欢在业余时间尝试新事物并研究新的模型。

3DGS（3D Gaussian Splatting）是当时的新技术。简而言之，它可以从几个输入图像中生成逼真的新视角，比NeRF和之前的其他方法更快。

但Zehao对在超出训练姿态分布时渲染的表现感到困惑。这些渲染效果会退化，结构变得太细或太粗。大概当时很多人都注意到了这些现象，但还没有人解决它们。

Zehao有一个简单的解决方案，并且在想这个方法是否够好，是否值得发表。

在10月18日，Zehao写道：「大家好，我计划提交一篇关于解决最近3D高斯泼溅的抗锯齿/缩放伪影的论文到CVPR。我发现这些伪影的主要原因是低通滤波器。

在使用泼溅方法进行渲染时，低通滤波器是非常常见的。

但当它应用于优化框架（从多视图图像重建）时，它会引入一种偏置，使得真实的3D高斯变小（因为滤波器在渲染过程中会使其变大）。

所以当我们放大或缩小时，由于视角与训练视角不同，我们会看到伪影。但我们不能简单地抛弃低通滤波器，因为这样就无法实现抗锯齿。我的解决方案非常简单：

1）我们应该使用较小的低通滤波器，这样低通滤波器的效果不会在训练中占主导地位；

2）添加一个正则化，使得高斯不会变得太小。」

时间非常紧张：从想法到CVPR截止日期只有一个月。通常这种努力不会顺利进行，因为剩下的时间太少，无法进行论文润色或实验。

但Zehao坚信他甚至可以在截止日期前1-2周完成。他正在做实验，我们所有人都开始一起写论文。

我们在11月17日提交给CVPR，并在1月23日惊讶地收到3个「strong accept」的评审意见。

昨天，Mip-Splatting在CVPR获得了最佳学生论文奖。我们非常感谢社区、评审、领域主席和奖项委员会对这个小小想法的认可。

他对高斯泼溅的入门是在业余时间以个人兴趣的形式展开的。

Geiger感叹道：「研究是高度非线性的，难以规划，这正是它令人畏惧和兴奋的地方。我们必须接受这一点。」

Mip-Splatting论文的完整标题是「Mip-Splatting: Alias-free 3D Gaussian Splatting」。