NeurIPS 2022(Spotlight):迭代融合:利用历史的融合学习 南京理工大学, 南开大学, NeurIPS 2022(Spotlight) 撰稿人:杨凌风,李翔 # 共同一作:杨凌风,李翔 *通讯作者:杨健 推荐理事:林宙辰 原文标题:RecursiveMix: Mixed Learning with History...
1 引言 近年来,通过基于体渲染技术的神经隐式表面学习来实现多视图三维重建成为计算机三维视觉领域研究的热点。然而,目前仍然存在一个关键性问题亟待解决:现有的方法缺乏明确的多视图几何约束,因此通常无法实现几何一致的三维重建。为了应对这一问题,我们提出了一种几何一致的神经隐式多视图三维重建算法。首先,我们从理论...
NeurlPS 2022:全新大模型参数高效微调方法SSF,仅需训练0.3M的参数,效果卓越 4118 -- 1:36:09 App 6篇NeurIPS'24|浙江大学软件学院专场 71 -- 0:52 App 10亿参数、多项SOTA,智源开源视觉基础模型EVA 358 -- 0:27 App 时间序列依旧最强王者! 130 -- 0:35 App 无需下游训练,Tip-Adapter大幅提升CLIP...
NeurIPS2022 Spotlight | TANGO:一种基于光照分解实现逼真稳健的文本驱动3D风格化 1. 论文和代码地址 论文地址:https://arxiv.org/abs/2210.11277 [1] 代码地址:https://cyw-3d.github.io/tango [2] . 2. 动机 通过文本提示、图像或者3D形状等风格化的3D内容生成,在计算机视觉和图形学中有重要的应用。Text2...
Transformer结构在包括点云配准在内的许多视觉任务展示出了巨大的潜力。位置编码作为顺序感知模块,在Transformer结构中扮演重要角色。针对3D点云配准任务,来自华中科技大学的研究团队提出了基于一个内点的位置编码实现高效点云配准。 首先从几何...
VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training(NeurIPS 2022 Spotlight) “其中,我们尝试利用掩码式自监督预训练的方式对Vision Transformer进行预训练。进一步地,我们设计了一种带有极高掩码比率的管道式掩码策略,并且提出了视频掩码自编码器(VideoMAE),释放Vision ...
3D特征点检测在物体识别、场景重建等任务中有着重要作用。然而由于点云数据采样的稀疏性,从中检测出3D特征点是一项很有挑战性的任务。虽然原始点云的获取方式有很多种,如通过RGB-D相机、立体匹配或LIDAR等,但点云仍还是物体(或场景)的连续形状的离散表示。这一现象促使我们去探索了联合重建3D形状任务是否有助于3D关...
self.stride = stride # Point-wise expansion if layer_id<=1: self.ghost1 = GhostModuleV2(in_chs, mid_chs, relu=True,mode='original',args=args) else: self.ghost1 = GhostModuleV2(in_chs, mid_chs, relu=True,mode='attn',args=args) # Depth-wise convolution if self.stride > 1: self...
This repository is an official implementation ofP2P (NeurIPS 2022 Spotlight). P2P is a framework to leverage pre-trainedimagemodels for3D analysis. We transform point clouds into colorful images with newly proposed geometry-preserved projection and geometry-aware coloring to adapt to pre-trained image...
[NeurIPS 2022 Spotlight] Official implement of Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation - xiaoachen98/DDB