自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 Tri-Perspective View for Vision-Based 3D Semantic Occupancy Prediction论文笔记

Tri-Perspective View for Vision-Based 3D Semantic Occupancy Prediction论文笔记。文章提出了一个三视角视图(TPV)表示,它伴随着BEV和两个额外的垂直平面。为了将图像特征提升到三维TPV空间,我们进一步提出了一种基于Transformer的TPV编码器(TPVFormer)来有效地获取TPV特征

2023-03-16 09:24:49 486 1

原创 Enhancing 3D-2D Representations for Convolution Occupancy Networks论文笔记

Enhancing 3D-2D Representations for Convolution Occupancy Networks论文笔记。通过增强3D位置信息和3D-2D相关性来改进ConvONet的表示

2023-03-15 09:46:53 167 2

原创 Generative Occupancy Fields for 3D Surface-Aware Image Synthesis论文笔记

Generative Occupancy Fields for 3D Surface-Aware Image Synthesis论文笔记。直接将占用表示应用于生成模型,在训练过程中,它们只会接收到位于物体表面的稀疏梯度,最终会遇到收敛问题。GOF将累积渲染过程中的alpha值重新解释为占用值,以便通过寻根来定位学习到的曲面。随后,它通过在渲染过程中逐渐缩小采样区域,从整个体积缩小到曲面周围的最小邻近区域,自然地促进学习曲面的紧凑性。

2023-03-14 16:33:21 229

原创 LEAP: Learning Articulated Occupancy of People论文笔记

LEAP: Learning Articulated Occupancy of People论文笔记

2023-03-14 11:17:04 136 1

原创 SA-ConvONet: Sign-Agnostic Optimization of Convolutional Occupancy Networks论文笔记

SA-ConvONet: Sign-Agnostic Optimization of Convolutional Occupancy Networks论文笔记,在测试时以无符号学习的方式进一步优化占用场

2023-03-14 10:50:02 450

原创 Learning Occupancy Function from Point Clouds for Surface Reconstruction论文笔记

Learning Occupancy Function from Point Clouds for Surface Reconstruction论文笔记,采用点卷积神经网络(PCNN)来构建学习模型,取代用全连接多层网络预测点占用率。这个方法直接获得点云数据的几何性质,对点的排列具有不变性。

2023-03-13 17:33:45 166 1

原创 Dynamic Plane Convolutional Occupancy Networks论文笔记

Dynamic Plane Convolutional Occupancy Networks论文笔记,不像ConvONet那样在三个预定义的规范平面上学习特征,而是使用全连接网络来学习动态平面,在动态平面上投影编码的点特征,进一步提高了三维曲面重建的质量,在ShapeNet和室内场景数据集的无定向点云表面重建中表现出优异的性能。

2023-03-13 16:28:18 210 1

原创 Occupancy Flow: 4D Reconstruction by Learning Particle Dynamics论文笔记

固定视角的模板模型:这些结果受到模板模型的质量和可用性的限制,并且非常特定于领域。此外,获得足够的模板是非常昂贵的,因此现有的大多数工作都集中在特定的形状类别上,如人体、手或脸。有的计算整个嵌入空间上的变形场,但他们的方法无法处理几何体的体积变化。(p,t)描述了随矢量场v ( ⋅ , ⋅ )初始点p在时刻t的位置,可以将公式重构为。单独处理每个时间步长的方法缺乏连续性,推理速度慢,而传统的4D重建方法通常使用。:目前的方法有,固定视角的模板模型,多视角,强动作假设(如刚性和线性假设)来学习网格对应关系。

2023-03-12 18:19:05 136 1

原创 Convolutional Occupancy Networks论文笔记

Convolutional Occupancy Networks引入归纳性偏差比如平移不变性来更好地整合局部信息,使得3D隐式表达具有更强的表达能力

2023-03-10 10:07:18 163 1

原创 Occupancy Networks: Learning 3D Reconstruction in Function Space论文笔记

Occupancy Networks: Learning 3D Reconstruction in Function Space论文学习笔记

2023-03-09 22:37:44 709 2

原创 torch unsqueeze()详解

pytorch unsqueeze函数总结

2022-11-16 17:19:17 9688 1

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

提示
确定要删除当前文章?
取消 删除