GenSfM:扩散模型联合去噪实现生成式三维重建
热点事件持续更新
GenSfM:扩散模型联合去噪实现生成式三维重建
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Haobin Duan 等作者提出 GenSfM,将基于图像的 3D 重建与原生 3D 扩散模型结合,用多模态扩散 Transformer 在共享自注意力下联合去噪形状隐变量与逐视角位姿隐变量。 在 Toys4k 和 GSO 数据集上,仅用 4 个未标定视角,其新视角 PSNR 比强原生 3D 生成基线提升 3.2-4.5 dB,中位 Chamfer 距离降低 2.8-3.8 倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
GenSfM:用原生 3D 扩散模型实现生成式运动恢复结构报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv cs.AIGenSfM:用原生 3D 扩散模型实现生成式运动恢复结构
GenSfM 将基于图像的 3D 重建与原生 3D 扩散模型结合,用多模态扩散 Transformer 在共享自注意力下联合去噪形状隐变量与逐视角位姿隐变量。在 Toys4k 和 GSO 上,仅用 4 个未标定视角,其新视角 PSNR 比强原生 3D 生成基线提升 3.2-4.5 dB,中位 Chamfer 距离降低 2.8-3.8 倍。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。