Computer Vision26 [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] Exploiting the Distortion-Semantic Interaction in Fisheye Data 출처 : https://arxiv.org/pdf/2305.00079.pdf Abstract Fisheye Data ADVANTAGE Wide FOV (Field of View) DISADVANTAGE Huge radial distortion Neural network performance degradation due to radial distortion Difficult to identify the semantic context of the objects if further from the camera center Improvements 1.1% higher mAP 0.6% higher than SOTA Introduction Fisheye camera sensor: critical to Autonomo.. 2023. 5. 21. [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. Forward Rendering vs. Deferred Rendering Forward Rendering 전통적인 렌더링 기법 mesh 하나를 그릴 때 모든 계산을 한번에 시행하는 방법 라이팅 계산수가 mesh 수에 비례하게 되고, 빛의 영향을 받지않은 mesh에 대해서도 연산을 시행하게 되어 불필요한 연산이 행해진다는 단점이 있음 Deferred Rendering real-time rendering 기법이 필요해졌음 조명같은 무거운 렌더링의 대부분을 이후 단계로 연기(deferring)한다. 두개의 패스로 구성됨 첫번째 패스 : 형상패스 (장면을 한번 렌더링한 이후 g-buffer에 저장한다) 두번째 패스 : 라이팅 패스 (g-buffer에 저장된 기하학적정보를 사용해 각 조각에 대한 장면의 조명을 계산함) 1. G-buffer (Geometry buffer) geometr.. 2023. 4. 15. [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. 이전 1 2 3 4 5 다음
