BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Combining Neural Fields and Deformation Models for Non-Rigid 3D Motion Reconstruction

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

该研究提出了一种新方法，通过结合隐式形状表示和显式网格变形模型，从部分数据中重建时序一致的非刚性3D运动。该方法在处理单目深度视频的人类和动物运动序列时表现优于现有技术，尤其适用于穿着宽松衣物的对象。

🏷️

标签

models 单目深度视频 显式网格变形 运动序列 隐式形状表示 非刚性3D运动
➡️

继续阅读

  1. 一台 3D 打印机，为什么藏着 GPT-6 最大的野心？｜硬哲学
    GPT-6 Astra宣传片展示了从画黄色圆圈到生成3D模型，最终通过拓竹P1S打印机变成实物的过程，体现AI从屏幕内容生成进入现实操作。文章认为GUI是...
  2. DeepSeek-V4 模型结构（5）：宽度维度，DeepSeekMoE 的四个改动
    本文介绍DeepSeek-V4模型结构中MoE层的四处改动：路由打分从sigmoid改为sqrt(softplus)以消除饱和；前三层用固定hash ro...
  3. DeepSeek-V4 模型结构（4）：深度维度，mHC
    该文详解DeepSeek-V4的mHC残差结构：将单条残差流拓宽为4条，通过读、写、混三算子连接子层。为保稳定，混合矩阵被约束为双随机矩阵（非负、行和列和...
  4. DeepSeek-V4 模型结构（3）：序列维度（下），HCA、混合排布与零件
    本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩...
  5. DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
    本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
  6. DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
    本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
👤 个人中心
在公众号发送验证码完成验证