Увійти
ідея - 3D 재구성
2D 확산 모델을 활용한 장면 내 가려진 물체의 3D 재구성 완성
본 연구는 사전 학습된 2D 확산 모델을 활용하여 장면 내 가려진 물체의 완전한 3D 재구성을 달성하는 새로운 프레임워크를 제안한다.
실용적이고 정확한 포인트 클라우드 업샘플링을 위한 레이 마칭 기반 신경 암시 표면 기법
제안된 PU-Ray 방법은 신경 암시 표면 기반 레이 마칭을 통해 정확하고 안정적인 레이 깊이 예측을 달성하며, 다양한 도메인과 학습 시나리오에서 유연성을 보인다.
3D 가우시안 스플래팅을 이용한 연합 학습 기반 대규모 3D 재구성 프레임워크
본 연구에서는 연합 학습 프레임워크인 Fed3DGS를 제안한다. Fed3DGS는 3D 가우시안 스플래팅(3DGS)을 기반으로 하며, 다수의 클라이언트가 협력하여 3D 장면을 재구성한다. 제안 방법은 모델 크기 측면에서 더 우수한 확장성을 보이며, 계절 변화에 따른 외관 변화를 효과적으로 모델링할 수 있다.
다양한 장면에 적용 가능한 효율적인 신경 필드 RING-NeRF
RING-NeRF는 연속적이고 무제한적인 다중 스케일 장면 표현과 디코더의 공간 및 스케일 불변성이라는 두 가지 귀납적 편향을 통해 다양한 과제에서 우수한 성능을 달성합니다.
정확한 신경 표면 재구성을 위한 포즈 잔차 필드
제안된 포즈 잔차 필드(PoRF)와 엡폴라 기하학 손실을 통해 카메라 포즈와 신경 표면 재구성을 효과적으로 최적화할 수 있다.
숨겨진 표면을 가진 장면에 대한 3D 재구성을 위한 소수 이미지 기반 접근법
제안된 3DFIRES 시스템은 단일 또는 소수의 입력 이미지로부터 전체 장면 기하학을 정확하게 재구성할 수 있다.
Продукти
© 2024 by Linnk AI