Computer Vision/3D Vision7 [논문] D-NeRF: Neural Radiance Fields for Dynamic Scenes 출처 : https://arxiv.org/abs/2011.13961 D-NeRF: Neural Radiance Fields for Dynamic Scenes Neural rendering techniques combining machine learning with geometric reasoning have arisen as one of the most promising approaches for synthesizing novel views of a scene from a sparse set of images. Among these, stands out the Neural radiance fields (NeR arxiv.org D-NeRF는 NeRF 논문의 후속 논문으로써, 움직이는 Scene에서의 Vi.. 2023. 6. 18. [논문] NeRF: Representing scenes as Neural Radiance Fields for View Synthesis 출처 : https://arxiv.org/abs/2003.08934 NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis We present a method that achieves state-of-the-art results for synthesizing novel views of complex scenes by optimizing an underlying continuous volumetric scene function using a sparse set of input views. Our algorithm represents a scene using a fully-con arxiv.org Abstract Nerf는 Discret.. 2023. 6. 18. [논문] Semi-supervised learning of optical flow by flow supervisor 출처 : https://arxiv.org/pdf/2207.10314.pdf Pretrained Network를 사용하여 target dataset에 파인튜닝하기 위한 방법론 기존 연구는 기본적인 knowledge distillation 방법론을 적용하여 파인튜닝하는 연구를 진행함, 그러나 불안정하게 수렴하거나 local minima에 빠지는 경우가 많았음. 훈련을 안정화할 수 있는, 강건한 semi-supervised learning기법이 필요함 정답이 있는 데이터 (Flyingthings3D) 와 정답이 없는 데이터 (KITTI)를 함께 사용해서 target domain에서 훈련하고자 함. Knowledge Distillation 먼저, teacher network는 이미지의 전체를 보고 trainin.. 2023. 4. 17. [논문] Pixel-wise Guidance for Utilizing Auxiliary Features in Monte Carlo Denoising 출처 : https://kaistackr-my.sharepoint.com/personal/qbhan_kaist_ac_kr/_layouts/15/onedrive.aspx?id=%2Fpersonal%2Fqbhan%5Fkaist%5Fac%5Fkr%2FDocuments%2FPublications%2FEnsembleMCD%2FI3D2023%5FCamera%2Epdf&parent=%2Fpersonal%2Fqbhan%5Fkaist%5Fac%5Fkr%2FDocuments%2FPublications%2FEnsembleMCD&ga=1 monte carlo rendering (Kajiya 1986) 픽셀 당 적은 샘플을 사용할 경우 (2~64 spp) 노이즈 발생 충분한 샘플을 사용해야 노이즈가 발생하지 않음 (8000 s.. 2023. 4. 15. [논문] Diffusion Probabilistic Models for Scene-Scale 3D Categorical Data 출처 : https://arxiv.org/abs/2301.00527 Diffusion Probabilistic Models for Scene-Scale 3D Categorical Data In this paper, we learn a diffusion model to generate 3D data on a scene-scale. Specifically, our model crafts a 3D scene consisting of multiple objects, while recent diffusion research has focused on a single object. To realize our goal, we represent a sc arxiv.org Diffusion? 확산 (diffusion) .. 2023. 4. 9. [논문] Weakly-Supervised Contrastive Learning in Path Manifold for Monte Carlo Image Reconstruction https://sgvr.kaist.ac.kr/wp-content/uploads/2021/05/main.pdf 1. 전체 구조 렌더링된 이미지에서 특징 추출 (위 그림의 b. feature extraction) Manifold learning module 이미지를 manifold상의 경로로 표현함 Contrastive learning을 활용하여 유사한 이미지들끼리 서로 가깝게 매핑될 수 있도록 함 특히 path manifold를 활용하여 이미지간 유사성을 측정하고 학습함 서로 다른 이미지 사이의 path manifold를 학습함 이미지를 고차원의 픽셀값으로 표현하지 않고, 이미지의 저차원 특징을 추출해서 manifold에 표현함으로써 이미지의 특징을 추출하고 분류할 수 있음 Reconstruction Ne.. 2023. 4. 3. 이전 1 2 다음
