神经原型语言重建
通过数据增强、使用变分自动编码器 (VAE) 结构的 Transformer 模型和神经机器翻译模型，通过改进之前的方法来提高原型形态重建的性能。
本研究通过将语言的句法和语义结构以及目标句子中的中间潜在对齐纳入非自回归 Transformer 模型，提高了神经机器翻译的效率和性能。
BriefGPT - AI 论文速递 -
标签
重建
相关的文章：本列表页提供了关于重建技术的研究成果，包括通用三维场景重建、动态场景重建、辐射场重建、PET图像重建、曲面重建、点云重建、去噪、三维场景分解、fMRI到图像重建、图像检测等内容。
BriefGPT - AI 论文速递 -
深度学习用于加速和鲁棒的 MRI 重建的综述
深度学习在磁共振成像重建中的应用及其对临床成像实践的潜力进行了全面综述，重点包括改善图像质量、加速扫描、处理数据相关挑战的深度学习方法和架构，以及优化采集协议、增强对分布变化的鲁棒性和克服潜在偏差等方面的讨论。
该文章介绍了基于神经网络的机器学习技术在MRI领域的应用，以及对加速MRI的多线圈信息的研究。讨论了线性和非线性方法，以及改进正则化器的图像域方法和基于神经网络的k空间插值策略。还讨论了未解决的问题和制定开放数据集和基准的努力。
BriefGPT - AI 论文速递 -
度量导向的图像重建界限：基于一致预测
利用汇聚预测方法检索稀疏观察 CT 影像的上 / 下界限以及基于下游指标的统计异常值 / 正常值，通过实验证明基于指标引导的界限能够有效覆盖下游指标，而传统的像素界限则不能，并且展示了基于指标引导和像素界限的解剖差异。
该文章介绍了一种适用于含有模糊标签的情况的 conformal prediction 框架，通过近似输入的后验分布来进行不确定性的校准。作者在合成和真实数据集上验证了该方法，并在皮肤病学中的患者条件分类案例研究中进行了实证。
BriefGPT - AI 论文速递 -
PGAHum：先验引导的几何与外观学习用于高保真可动人物重建
我们介绍了 PGAHum，一种先验引导的几何与外观学习框架，用于高保真度可动人体重建。我们在三个关键模块中充分利用 3D 人体先验，实现了具有细节丰富的几何重建和能在未见过的姿势上合成逼真视图的高质量结果。
HAHA是一种从单目输入视频生成动画头像的新方法。它使用高斯喷洒和纹理网格来控制渲染和保真度之间的效率。该模型仅在SMPL-X网格所需的区域应用高斯喷洒，减少了渲染伪影。该方法在重建头像方面非常有效，并在质量和数量上优于先前的方法。
BriefGPT - AI 论文速递 -
场景坐标重建：通过增量学习重定位器进行图像集合的姿态估计
我们通过学习基于场景坐标回归的重新定位方法实现了无特征匹配和高效优化的相机姿态估计，从而构建了隐式的神经场景表示。
介绍了SC-wLS前馈方法，通过加权最小二乘姿态回归估计场景坐标，提高性能，并实现加权网络的自我监督测试时间适应。
BriefGPT - AI 论文速递 -
动态高斯网格：从单目视频实现一致的网格重建
使用单个单目视频，通过引入动态高斯网格（DG-Mesh）框架，可以重建出高保真度和时态一致的网格结构，并实现动态对象的纹理编辑。
本文介绍了一种新型的基于点的方法，称为高斯流（Gaussian-Flow），用于快速动态场景重建和实时渲染。该方法利用了最新的基于点的3D高斯喷洒技术，并引入了双域变形模型来建模每个高斯点的属性变形。相比以往的方法，该方法不需要为每个帧训练单独的3D高斯喷洒或引入额外的隐式神经场来建模3D动态。该方法在效率上取得了显著的改进，训练速度比每帧3D高斯喷洒建模快5倍，并且在新视图渲染质量上优于以往的主流方法。
BriefGPT - AI 论文速递 -
利用区域性和物理引导的紧密互动人体重建
现有的多人人体重建方法主要关注于恢复准确的姿势或避免穿透，但忽略了密切互动的建模。本文通过从单目视频重建密切互动的人，旨在解决由深度模糊和人际遮挡引起的视觉信息不足的主要挑战。为弥补视觉信息的缺失，我们建议利用社会亲密行为和物理知识。具体而言，我们首先设计了基于向量量化变分自编码器 (VQ-VAE) 的潜在表示来建模人际交互。然后引入了一个基于亲密关系和物理规律的扩散模型来去噪初始分布。我们设计了扩散模型，其中每个分支代表一个个体，以建模互动关系。通过学习 VQ-VAE 的先验知识和物理约束作为附加信息，我们的方法能够估计出既准确又符合亲密关系和物理规律的姿势。Hi4D、3DPW 和 CHI3D 上的实验结果表明，我们的方法优于现有的方法。代码可在 https://github.com/boycehbz/HumanInteraction 获得。
该文章介绍了一种新的多人人体重建方法，解决了深度模糊和人际遮挡导致的视觉信息不足问题。该方法利用社会亲密行为和物理知识，准确重建密切互动的人的姿势。实验结果显示该方法优于现有方法。
BriefGPT - AI 论文速递 -
PyTorchGeoNodes：用于三维形状重建的可微分形状程序
我们提出了 PyTorchGeoNodes，一种可解释的形状程序，用于从图像中重建 3D 对象。我们的实验表明，我们的重建结果与输入场景很好地匹配，并能对重建对象进行语义推理。
快速可靠的形状重建是计算机视觉应用的关键要素。神经辐射场证明了新视角合成的可行性，并对快速重建提出了要求。最近的方法扩展了渲染器，包括可微分光流、导出满封闭网格和按射线渲染法线。这些方法速度快、鲁棒，并可在GPU或CPU上执行。
BriefGPT - AI 论文速递 -
ViFu: 通过可见部分融合实现带干净背景的多个 360° 物体重建
我们提出了一种方法，可以从不同时间戳的场景观察中分割和恢复静态、干净的背景以及多个 360° 对象。我们通过观察相同对象在不同排列下的情况，将多场景融合任务分解为两个主要组成部分：对象 / 背景分割与对齐，以及辐射场融合。实验结果证明了我们的方法的有效性。
本文综述了基于全景光学成像系统拍摄的图像的三维场景几何估计方法，包括单目布局、深度推断、立体匹配、光场、多视图立体和运动结构等方法，并讨论了常用数据集和性能指标。指出了当前和未来的研究趋势。
BriefGPT - AI 论文速递 -
CMRatt：一种基于注意力机制的加速心脏 MRI 重建方法
通过在深度学习模型中引入注意力机制，本研究旨在探索在心脏磁共振重建问题中整合注意力机制的潜力。我们对多种最先进的空间和通道注意力机制进行了基准测试，并使用客观指标定量评估重建质量。受表现最佳的注意力机制的启发，我们提出了一个新的、简单而有效的注意力流水线，专门为心脏图像重建任务进行了优化，优于其他最先进的注意力方法。
本研究探索了在心脏磁共振重建中整合注意力机制的潜力，并提出了一个新的、简单而有效的注意力流水线，通过基准测试和客观指标评估，优于其他方法。
