AttentionHand: 野外环境下基于文本的可控手部图像生成用于 3D 手部重建

原文约500字，阅读约需1分钟。发表于：。

使用 AttentionHand 方法进行文本驱动的可控手部图像生成，取得了文本到手部图像生成模型的最新成果，并通过 AttentionHand 产生的手部图像提高了 3D 手部网格重建的性能。

最新的文本到图像扩散模型在文本到三维生成领域取得重大突破，通过文本提示和手绘草图生成准确的三维场景，提高用户可控性和交互性。

相关推荐去reddit讨论

分享给好友

基于分割引导的 MRI 重建：实现具有显著多样性的重建

原文约400字，阅读约需1分钟。发表于：。

基于扩散模型的 MRI 重建方法中，引入了扩散过程的指导，生成对应于上限和下限分割的两个具有意义的多样化重建结果，通过这些界限之间的差异来量化重建的不确定性，该方法比重复抽样更可靠和更准确。

深度变分框架在稀疏测量中起重要作用，通过深度生成模型学习图像重建的不确定性。双向正则化的强大流模型增强稳定性和表达能力，填充设计方法实现方差减少。验证结果表明，方法提供可靠高质量的图像重建和强大的不确定性估计。

相关推荐去reddit讨论

分享给好友

基于 SAM 掩模引导的室内场景重建中的网格和三维高斯融合

原文约400字，阅读约需1分钟。发表于：。

我们提出了一种结合 3D 高斯喷洒和网格表示的三维室内场景重建新方法，利用网格表示室内场景的房间布局（如墙壁、天花板和地板），同时使用 3D 高斯表示其他物体。该混合方法充分发挥了两种表示的优势，提供了增强的灵活性和编辑的便利性。为了克服联合训练网格和 3D 高斯的挑战，我们采用了 Segment Anything Model（SAM）来指导基元的选择。SAM...

我们提出了一种结合3D高斯喷洒和网格表示的三维室内场景重建新方法。该方法利用网格表示室内场景的房间布局，同时使用3D高斯表示其他物体。为了克服挑战，我们采用了Segment Anything Model（SAM）来指导基元的选择。此外，我们还引入了额外的致密化阶段，避免了图像质量降低。

相关推荐去reddit讨论

分享给好友

稀疏重建：通过视差引导的几何线性化进行少样本神经重建

发表于：。

用少量彩色图像恢复 3D 形状和视角相关外观的一种新方法，实现高效的 3D 重建和新视角合成，方法名为 SparseCraft。

相关推荐去reddit讨论

分享给好友

跨越前进：通过 JumpReLU 稀疏自编码器提高重建保真度

发表于：。

通过在语言模型（LM）激活中使用 JumpReLU SAEs，本文在给定的稀疏度水平上实现了与其他最新进展（如 Gated 和 TopK SAEs）相比更高的重构准确性，并证明了这种改进不会损害解释性。

相关推荐去reddit讨论

分享给好友

基于卷积神经网络的图像超分辨重建机制研究

原文约200字，阅读约需1分钟。发表于：。

通过改进的深度卷积神经网络模型，使用超分辨率重建技术和深度学习技术，以及图像特征提取和非线性映射方法，提高了低分辨率图像的主观视觉质量和重建图像的高频细节和纹理细节。

本文介绍了一种使用子像素卷积层的卷积神经网络，能够将低分辨率特征图升级到高分辨率输出，从而降低计算复杂度。实验证明该方法在图像和视频方面表现优秀且速度更快。

相关推荐去reddit讨论

分享给好友

InfoNorm: 方向信息互信息建模用于稀疏视图重建

原文约300字，阅读约需1分钟。发表于：。

通过在几何建模中显式地鼓励高度相关场景点的表面法线之间的互信息，调控从噪声（一阶）几何先验中产生的二阶相关性，我们提出了一种正则化几何建模的方法，消除了因泛化能力差导致的偏差。此外，我们引入了一种简单而有效的方案，利用语义和几何特征来识别相关点，并相应地增强它们的互信息。该技术可作为基于 SDF 的神经表面表示的插件，并通过实验证明了其在提高现有方法的表面重建质量方面的有效性。

通过调控几何建模中的互信息，消除偏差，提高表面重建质量。利用语义和几何特征识别相关点，并增强互信息。