- 博客(7)
- 收藏
- 关注
RSS订阅原创 CVPR 2023 UDE: A Unified Driving Engine for Human Motion Generation(阅读笔记）
长期以来，在基于学习的方法被开发和应用之前，生成和动画化人类的运动一直是劳动密集型的（主要依靠人工）。然而，这些方法仍然是特定于任务或特定于模式的（如根据音乐或文本生成动作）。== 在本文中，我们提出了“UDE”，第一个统一的驱动引擎，可以从自然语言或音频序列中生成人类的运动序列 ==（输入可以有两种，自然语言和音乐）（输入为自然语言和音乐两种）UDE由以下4部分组成：1)基于VQVAE的运动量化模块，将连续运动序列表示为离散潜码[33];
2023-08-12 21:24:53
178
1
原创 ZeroFlow: Fast Zero Label Scene Flow via Distillation论文阅读笔记
最先进的方法使用了强大的先验和测试时间优化技术，但对于大规模的点云需要几十秒的顺序，这使得它们不能作为计算机视觉原语用于实时应用程序，如开放世界对象检测。前馈方法要快得多，对于大规模的点云，其运行速度在几十到几百毫秒之间，但需要昂贵的人工监督。为了解决这两个限制，我们提出了通过蒸馏的场景流，这是一个简单的蒸馏框架，它使用无标签优化方法来产生伪标签来监督前馈模型。我们对这个框架的实例化，ZeroFlow，在大规模点云上实时生成场景流估计，质量与最先进的方法竞争，同时使用零人工标签。
2023-07-21 12:03:24
146
1
原创 Hierarchical Attention Learning of Scene Flow in 3D Point Clouds 论文阅读笔记
提出一个使用两个注意力的多层神经网络，学习相邻帧之间的点特征相关性，由粗到细逐层地细化场景流。提出一个more-for-less的多层次架构。意思是输入点数量比输出点数量多，从而带来更多的输入信息，平衡了精度和资源消耗。多层架构分别生成和监督不同层次的场景流。引入了一种新的attentive embedding模块，采用double attention的方法以patch- to-ppatch的方式对相邻点的特征进行聚合。
2023-07-08 22:56:24
102
原创 MeshCNN: A Network with an Edge 阅读笔记
多边形网格为三维形状提供了一种有效的表示方法，它明确地捕捉了形状表面和拓扑信息。非均匀的多边形网格可以表示大型平面区域以及尖锐、复杂特征，但这种不均匀、不规则性抑制了“结合CNN与池化操作的神经网络”进行网格分析的能力。本文提出一种专门处理三角网格的神经网络MeshCNN。与经典CNN类似，MeshCNN也使用了特殊的卷积层与池化层，通过利用它们内在的测地线（曲面上的两点之间的最短距离）连接在网格边缘上操作。卷积应用于边以及边所在的两个三角形的另外四条边。
2023-03-19 20:52:41
667
原创 Dynamic Graph CNN for Learning on Point Clouds 阅读笔记
应用于点云的动态图卷积神经网络DGCNN论文阅读笔记。
2023-03-11 09:26:43
150
原创 CentOS8安装过程遇到的问题
安装CentOS8时，遇到Kernel offset : Kernel panic - not syncing:Fatal exception 问题错误提示如下：发现出现了两个CD/DVD，第一个配置的ISO映像文件autoinst.iso 这个是安装CentOS8默认的，问题也就出现在这里，因为没有那个文件。如下图解决办法：不勾选启动时连接移除第一个CD/DVD修改ISO映像文件路径，改为下载的ISO文件的路...
2022-04-19 21:51:03
2057
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人