7000篇頂會(huì)論文匯總

回復(fù)“論文”領(lǐng)取

最新7000篇頂會(huì)論文

內(nèi)容概述：作者提出了一種從單張靜態(tài)圖片中建模自然振蕩動(dòng)態(tài)效果的新方法。該方法能夠從單張圖片生成照片般真實(shí)的動(dòng)畫，并顯著優(yōu)于現(xiàn)有的基準(zhǔn)方法。此外，他們還展示了在多個(gè)后續(xù)應(yīng)用中的潛力，例如創(chuàng)建無縫循環(huán)或交互式圖像動(dòng)態(tài)效果。

內(nèi)容概述：作者提出了第一個(gè)詳盡的用于圖像生成的人類反饋數(shù)據(jù)集。具體來說，他們?cè)O(shè)計(jì)并訓(xùn)練了一個(gè)多模態(tài)Transformer來預(yù)測(cè)這些詳盡的人類反饋，并展示了一些改進(jìn)圖像生成的實(shí)例。

內(nèi)容概述：該論文引入了統(tǒng)一自主驅(qū)動(dòng)（UniAD），這是一個(gè)最新的綜合框架，將全棧驅(qū)動(dòng)任務(wù)整合到一個(gè)網(wǎng)絡(luò)中。它經(jīng)過精心設(shè)計(jì)，可以利用每個(gè)模塊的優(yōu)勢(shì)，并從全局角度為代理交互提供補(bǔ)充的特征抽象。任務(wù)通過統(tǒng)一的查詢接口進(jìn)行通信，以便于彼此進(jìn)行規(guī)劃。我們根據(jù)具有挑戰(zhàn)性的nuScenes基準(zhǔn)來實(shí)例化UniAD。通過廣泛的消融，使用這種理念的有效性在各個(gè)方面都大大超過了以前的先進(jìn)水平。

內(nèi)容概述：該論文我們提出了EPro-PnP，這是一個(gè)用于一般端到端姿勢(shì)估計(jì)的概率PnP層，它輸出SE（3）流形上的姿勢(shì)分布，本質(zhì)上是將類別Softmax帶到連續(xù)域。通過最小化預(yù)測(cè)姿態(tài)分布和目標(biāo)姿態(tài)分布之間的KL散度，將2D-3D坐標(biāo)和相應(yīng)的權(quán)重作為中間變量進(jìn)行學(xué)習(xí)?；驹瓌t統(tǒng)一了現(xiàn)有的方法，并類似于注意機(jī)制。EPro-PnP顯著優(yōu)于競(jìng)爭(zhēng)基線，縮小了基于PnP的方法與LineMOD 6DoF姿勢(shì)估計(jì)和nuScenes 3D對(duì)象檢測(cè)基準(zhǔn)上的特定任務(wù)領(lǐng)導(dǎo)者之間的差距。

論文概述：該論文提出關(guān)鍵假設(shè)是，將組合式三維場(chǎng)景表示納入生成模型，可以使圖像合成更加可控。將場(chǎng)景表示為生成性神經(jīng)特征場(chǎng)，使我們能夠從背景中分離出一個(gè)或多個(gè)物體，以及單個(gè)物體的形狀和外觀，同時(shí)無需任何額外的監(jiān)督就能從非結(jié)構(gòu)化和unposed的圖像集中學(xué)習(xí)。將這種場(chǎng)景表示與神經(jīng)渲染管道結(jié)合起來，可以產(chǎn)生一個(gè)快速而真實(shí)的圖像合成模型。正如我們的實(shí)驗(yàn)所證明的那樣，我們的模型能夠分解單個(gè)物體，并允許在場(chǎng)景中平移和旋轉(zhuǎn)它們，還可以改變攝像機(jī)的姿勢(shì)。

最佳論文主要內(nèi)容這項(xiàng)研究提出了一種基于原始單目圖像學(xué)習(xí) 3D 可變形物體類別的新方法，且無需外部監(jiān)督。

最佳論文提出了一個(gè)新的理論，即在一個(gè)已知的可見場(chǎng)景和一個(gè)不在瞬態(tài)相機(jī)視線范圍內(nèi)的未知物體之間的 Fermat path。證明費(fèi)馬路徑對(duì)應(yīng)于瞬態(tài)測(cè)量中的不連續(xù)性。然后，我們推導(dǎo)出一種新的約束，它將這些不連續(xù)處的路徑長(zhǎng)度的空間導(dǎo)數(shù)與表面法線相關(guān)聯(lián)。還提出了一種名為 Fermat Flow 的算法來估計(jì)非視距物體的形狀。我們的方法首次允許復(fù)雜對(duì)象的精確形狀恢復(fù)，范圍從隱藏在拐角處以及隱藏在漫射器后面的漫反射到鏡面反射。

因篇幅有限，僅展示前六篇

回復(fù)“論文”

預(yù)約《CVPR2024最佳論文大串講》