关注知乎@3D视觉工坊,第一时间获取3D视觉(工业3D视觉、SLAM、自动驾驶、三维重建、无人机)行业最新最前沿论文和科技动态。 这篇文章来自CVPR 2023(Highlight),作者来自鼎鼎大名的Niantic Labs,是一个很有名的VR游戏开发公司,做了增强现实游戏Ingress和位置发现应用Field Trip和pokemon go手游。其引领着全球VR游戏的发...
1.摘要 我们提出了一种从大规模、稀疏和噪声点云重建3D隐式表面的新方法。我们的方法建立在最近引入的神经核场(NKF)表示之上。它具有与NKF相似的泛化能力,同时解决了其主要限制:(a)我们可以通过使用内存高效的稀疏线性求解器的紧凑支持核函数来处理大规模场景。(b)我们通过梯度拟合求解,实现对噪声的鲁棒。(c)我们...
代码：GitHub - OpenGVLab/InternImage: [CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vis...
03.22 Update：我们的论文被评选为了CVPR Highlight(Top 2.6% of submission)，感谢各位 co-authors！
(c) LaserMix在low-data和high-data条件下取得了超过各种SoTA方法的表现 基于上述发现,这个工作提出了一个简洁且高效的半监督LiDAR分割框架LaserMix。这个框架主要由以下三个部分组成: 点云划分(partition)。利用所观察到LiDAR点云结构化信息,提出了按照点的倾角(inclination)将LiDAR点云划分为“低变区域”(low-...
这篇文章讨论了单图像的穿着人类重建问题。 隐式方法可以用来表示任意3D穿着人类形状,因为它不依赖于拓扑结构,因此具有更高的灵活性。这种方法的缺点是难以扩展到多种服装样式,限制了其在真实场景中的应用。 相比之下,显式方法则使用网格或深度图或点云来重建3D人类。这些方法主要关注于估计或回归最小穿着的3D身体...
知乎用户 天津大学 计算机科学与技术硕士 40 人赞同了该回答 Multi-view Adversarial Discriminator: Mine the Non-causal Factors for Object Detection in Unseen Domains 多视图对抗性判别器:挖掘非因果因素用于未知领域的目标检测 本文是CVPR2023 (Highlight, top 2.5%) Abstract: 在实际应用中,域偏移会...
CVPR2023 Highlight | 书生模型霸榜COCO目标检测,研究团队解读公开 OpenGVLab 已认证账号 InternImage-H在COCO数据集上达到了最高的65.4 mAP,为目前最高纪录(点击查看)。这项成果早已得到媒体的广泛关注,现在论文已被选为CVPR 2023 highlight paper…阅读全文 赞同132 22 条评论 分享收藏...
InternImage-H在COCO数据集上达到了最高的65.4 mAP,为目前最高纪录(点击查看)。这项成果早已得到媒体的广泛关注,现在论文已被选为CVPR 2023 highlight paper,所有提交论文中前2.5%,我们奉上来自研究团队的解读,已经开源相关模型、代码以及TensorRT 部署,未来将开放InternImage-H 模型的推理服务API。欢迎大家试用!
论文首次提出了一种通过可泛化可操作的零件(GAParts)来学习跨类别物体感知和操控的方法。该研究提供了一个实用的数据集和创新性的跨类研究方法,对于推进通用物体感知和操作的研究具有重要意义。文章在 CVPR 2023中获得全满分的评审成绩并被评为 Highlight(投稿论文的前2.5%)。