NeRF论文学习

学习日记2021-03-16论文学习

显著性物体检测研究综述基于优化融合的卷积网络显著目标检测*马杉杉，彭来献![在这里插入图片描述](https://img-blog.csdnimg.cn/20210316101836650.png基于显著增强分层双线性池化网络的细粒度图像分类陈珺莹,陈莹*
Ger. 假老练·2023-01-07 22:27

深度知识追踪（Deep Knowledge Tracing）论文学习（简要归纳）

深度知识追踪（DeepKnowledgeTracing）ChrisPiech∗,JonathanSpencer∗,JonathanHuang∗‡,SuryaGanguli∗,MehranSahami∗,LeonidasGuibas∗,JaschaSohl-Dickstein∗†∗StanfordUniversity,†KhanAcademy,‡Google发布正在：NIPS'15（人工智能A会）N
sereasuesue·2023-01-07 17:47

【论文学习】Towards Accurate Oriented Object Detection in Aerial Images with Adaptive Multi-level Feature

AFF-Det：通过自适应多级特征融合实现航空图像中的精确定向目标检测论文链接：《TowardsAccurateOrientedObjectDetectioninAerialImageswithAdaptiveMulti-levelFeatureFusion》代码链接：暂无本文中提出了一种新型的两阶段检测器，该检测器具有自适应特征融合功能，可以实现航空图像中高精度的定向物体检测，命名为AFF-De
pinfan12138·2023-01-07 13:14

Neural Radiance Fields (NeRFs) 神经辐射场模型2022总结

NeRF是2020年ECCV上获得最佳论文荣誉提名的工作，其影响力是十分巨大的。
BellaLYW·2023-01-06 10:34

大汇总 | 9种基于神经辐射场NeRF的SLAM方法你都知道吗？

随着2020年NeRF[1]的横空出世，神经辐射场方法（NeuralRadianceFields）如雨后春笋般铺天盖地卷来。NeRF最初用来进行图像渲染，即给定相机视角，渲染出该视角
自动驾驶之心·2023-01-06 10:34

当下呼声最高的NeRF究竟是什么？

目录（一）前言（二）NeRF工作的Pipeline1、NeuralRadianceFieldSceneRepresentation2、VolumeRenderingwithRadianceFields3
一圈zyy·2023-01-06 10:03

【论文学习】RoBERTa

目录摘要训练过程分析摘要RoBERTa（ARobustlyOptimizedBERTPretrainingApproach）基本与BERT一致，但在以下方面做了一些细节调整：1）在更多数据上，以更大batch_size，训练更长时间；2）取消NSP任务；3）更大序列长度上训练（实际都是512，只不过数据处理上尽量选取长文本作为输入）；4）dynamicmask。训练过程分析dynamicmask：
凯子要面包·2023-01-05 16:28

论文学习随记：PF-Net: Point Fractal Network for 3D Point Cloud Completion

文章目录1.什么是genus-wisedistortionsproblem（属类失真问题）2.FPN结构3.GAN网络1.什么是genus-wisedistortionsproblem（属类失真问题）原文：Nonetheless,thereconstructedpointsmaystillhavegenus-wisedistortionswhentheoriginalsurfaceistoocom
Pikoyoo·2023-01-05 09:16

【论文学习】FD-MonbileNet: IMPROVED MOBILENET WITH A FAST DOWNSAMPLING STRATEGY

原文链接：https://arxiv.org/abs/1802.03750作者介绍了一种高效且在有限运算量限制上十分准确的网络：Fast-DownsamplingMobileNet（FD-MobileNet）。其中心思想是在MobileNet框架上应用一种快速下采样策略。在FD-MobileNet中，作者在12层中运行了32倍的下采样，这仅是原始MobileNet层数的一半。这样的设计有3个优点：
斯丢劈德Tony·2023-01-05 01:40

逐句解析点积注意力pytorch源码（配图解）

前言结合pytorch源码和原始论文学习ScaledDot-ProductAttention的原理。原论文链接：AttentionIsAllYouNeed原论文中的网络结构如下图所示。
coder1479·2023-01-04 02:37

论文学习笔记（二） D-CNN: Depth-aware CNN for RGB-D Segmentation

『写在前面』继续学习基于深度学习的点云分割算法~~~在PointCNN之后，依次阅读了PointNet、PointNet++和FrustumPointnets三部曲，然后才看的D-CNN。鉴于“三部曲”的篇幅较长且相关blog已经有很多朋友写过，今天我就先把D-CNN给码了，后面有时间再整理。本篇blog为方便自己回忆要点用，建议参照原版paper使用。欢迎各位指正纰漏。作者repo：https:
Wilber529·2023-01-03 09:23

【学习周报】研究生深度学习笔记9.12~9.17

学习目标：深度学习花书一篇A类会议论文学习内容：蒙特卡罗方法——深度学习第十七章GL-RG:Global-LocalRepresentationGranularityforVideoCaptioning
Bohemian_mc·2023-01-02 18:52

论文学习笔记 CatBoost: unbiased boosting with categorical features

CatBoost和XGBoost、LightGBM并称为GBDT的三大主流神器，都是在GBDT算法框架下的一种改进实现。今天分享一篇论文，CatBoost:unbiasedboostingwithcategoricalfeatures。摘要里指出CatBoost比其他基于GBDT算法的优势在于orderedboosting和一个创新性的处理类别型特征的方法。这两个创新点可以解决由目标泄露（targ
AidenLau·2023-01-02 09:40

[Code] [NeRF] VQRF代码与实验 (3)

VQRFCodeVQRFContributionsimportancevoxelprunevectorquantizeApplyvoxelpruningandvectorquantizationJointfinetuneVQ-DVGOPaperLink:CompressingVolumetricRadianceFieldsto1MBCodeLink:VQRF相关内容：VQRF代码与实验(1)VQR
Wang_NNN·2023-01-02 08:16

[Experiments] [Code] [NeRF] VQRF代码与实验 (1)

VQRFcode&logCmdLog1.load&init2.coarse_last.tar3.fine_last.tar4.vq_last.tar5.loadfinemodelforrendering6.RenderPaperLink:CompressingVolumetricRadianceFieldsto1MBCodeLink:VQRFCmdpythonrun_final.py--confi
Wang_NNN·2023-01-02 08:45

[Code] [NeRF] VQRF代码与实验 (2)

VQRFCoderun_final.pytrain()1.init2.coarsegeometrysearching3.finedetailreconstruction4.vqfinetunescene_rep_reconstruction()1.init&findwhetherthereisexistingcheckpointpath2.initbatchrayssampler3.view-co
Wang_NNN·2023-01-02 08:45

NeRF-pl代码理解记录

#本文代码来自kewa123/nerf-pl将数据分割成好多个chunks，逐chunk将数据丢进model，逐个输出结果，最后将结果拼接起来B：所有batch的数目，大小等于N_rays*N_samplesweights_only
培之·2023-01-02 08:11

[NeRF] [Experiments] masked_wavelet_nerf实验记录

masked_wavelet_nerf配置环境:Cmd&LogsTrainingModelCompressionDecompressionandEvaluationBashResultsPaper:MaskedWaveletRepresentationforCompactNeuralRadianceFieldsCode
Wang_NNN·2023-01-02 08:37

LeGO-LOAM源码解析1 ： 算法整体框架和utility.h

算法整体框架和utility.h解析一、算法框架与流程二、utility.h分析loam源码地址：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.论文学习
MIKingZCC·2023-01-01 23:15

【论文阅读】跨域推荐系统相关论文学习

论文一、多域构建为一个整体graph论文标题：HeroGRAPH:AHeterogeneousGraphFrameworkforMulti-TargetCross-DomainRecommendation；发布刊物：ResSys2020；论文下载链接：http://ceur-ws.org/Vol-2715/paper6.pdf代码链接：GitHub-cuiqiang1990/HeroGRAPH:C
me_yundou·2023-01-01 15:11

SPPNet

文章目录论文信息论文标题：论文作者：收录期刊/会议及年份：论文学习论文阅读问题/背景：主要贡献：摘要：介绍：具有空间金字塔池化的深度网络：论文信息论文标题：SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition
写进メ诗的结尾。·2023-01-01 12:59

目标检测之SPP(Spatial Pyramid Pooling）论文学习

0.摘要作者：何凯明ILSVRC2014比赛上物体检测上排名第2，在物体分类上排名第3，是一篇十分很好的论文，体现了何凯明深厚的数学功底，有一些启发：比如多尺度池化是否可以加入注意力机制，多尺度的思想是否可以应用到特征提取阶段（类似densenet、或者多尺度放缩进行数据增强再进行交替训练强化网络）。SPP显著特点使用多个窗口(poolingwindow)SPP可以使用同一图像不同尺寸(scale
Diros1g·2023-01-01 12:27

【论文学习】《MOSNet: Deep Learning-based Objective Assessment for Voice Conversion》

《MOSNet:DeepLearning-basedObjectiveAssessmentforVoiceConversion》论文学习文章目录《MOSNet:DeepLearning-basedObjectiveAssessmentforVoiceConversion
FallenDarkStar·2023-01-01 07:30

PointNet 论文学习以及pytorch代码解读

论文部分Abstract以前的方法大多数将数据转换到3D体素格栅当中，但是这种方法会产生大量的不必要的数据，因此我们设计一种直接对点云进行处理的方法，这种方法最大程度上尊重了点云的不变性。Introduction因为点云数据是没有常规的结构，因此大部分研究者会将其转化到3D体素格栅或者图中，但这样会产生大量冗余数据。PointNet，需要尊重一个事实那就是点云只是一个点的集合，因此需要在计算时确保
健身的程序猿·2022-12-31 00:57

C3D网络介绍

要了解有关C3D网络的更多信息，您可以阅读原始论文学习3D卷积网络的时空特征。3D卷积图示：深度学习在图像领域的成功应用产生了多个优秀预训练特征提取模型。
深埋罐头的章鱼·2022-12-30 18:48

论文学习笔记

论文学习笔记一个好笔记的意义就在于：可以不用看原文-------鲁树人(滑稽)Abstract目前GCN由于受限于梯度消逝的问题，都比较浅层（一般小于4）本文将几个在深度CNN中使用的技巧：residualconnections
sendy.lee·2022-12-30 09:36

Nerf_studio 使用记录

这里写自定义目录标题Nerfstudio安装和使用记录安装训练Nerfstudio安装和使用记录参考网站：https://docs.nerf.studio/en/latest/quickstart/installation.html
如约—————而至·2022-12-30 08:51

Mask R-CNN 论文学习笔记

论文基本信息标题：MaskR-CNN作者：KaimingHeGeorgiaGkioxariPiotrDollárRossGirshick机构：FacebookAIResearch(FAIR)来源：ICCV时间：2017论文地址：https://arxiv.org/abs/1703.06870代码地址:https://github.com/facebookresearch/Detectron论文概要
长歌丶采薇·2022-12-30 08:46

Pix2NeRF: Unsupervised Conditional π-GAN for Single Image to NeuralRadiance Fields Translation

Pix2NeRF:用于单幅图像到神经辐射场转换的无监督条件π-GANpaper：https://arxiv.org/pdf/2202.13162.pdfcode：https://github.com/sxyu
Pengsen Ma·2022-12-29 18:46

[2021]NeRF−−: Neural Radiance Fields Without Known Camera Parameters

标题：NeRF−−:NeuralRadianceFieldsWithoutKnownCameraParameters链接：https://arxiv.org/pdf/2102.07064这篇文章主要讲的是如何在没有相机参数的情况下进行多视角的场景重构
深蓝蓝蓝蓝蓝·2022-12-28 08:20

[ECCV2020]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

标题：NeRF:RepresentingScenesasNeuralRadianceFieldsforViewSynthesis链接：https://arxiv.org/pdf/2003.08934v2
深蓝蓝蓝蓝蓝·2022-12-28 07:50

NeRF拜读：Representing Scenes as Neural Radiance Fields for View Synthesis

过程大量已知相机参数的图片作为输入通过输入训练MLP神经网络，隐式地学习静态3D场景利用模型输出任意角度的渲染图像由上述过程可知，NeRF由一系列2D输入学习3D场景，最后又通过3D模型输出2D图像。
人工智睿·2022-12-28 07:45

【ECCV 2020】NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

RepresentingScenesasNeuralRadianceFieldsforViewSynthesis论文简介：论文介绍：NeuralRadianceFieldSceneRepresentation：VolumeRenderingwithRadianceFields：OptimizingaNeuralRadianceField：PositionalencodingHierarchical
BIT可达鸭·2022-12-28 07:45

【论文笔记】PlenOctrees for Real-time Rendering of Neural Radiance Fields

PlenOctreesforReal-timeRenderingofNeuralRadianceFieldspapercodeMyComment该论文是结合了图形渲染领域常用的球谐函数(SH,SphericalHarmonics)和NeRF
页页读·2022-12-28 07:41

NeRF−−: Neural Radiance Fields Without Known Camera Parameters

图像集合中进行新的视图合成(novelviewsynthesis,NVS)的问题，我们通过消除相机参数(包括内参和6自由度位姿)的要求，简化了前向场景forward-facingscenes上神经辐射场(NeRF
小屁孩__·2022-12-28 07:32

【论文解析】RegNeRF: Regularizing Neural Radiance Fields for View Synthesis from Sparse Inputs

文章目录内容速览具体方法1背景2.Patch-basedRegularization3.SampleSpaceAnnealing结果内容速览问题：当可用视角图像数量减少的时候，NeRF效果不好。
_Summer tree·2022-12-28 07:31

读论文12——NeRF：Representing Scenes as Neural Radiance Fields for View Synthesis

目录AbstractIntroductionRelatedWorkNeuralRadianceFieldSceneRepresentationVolumeRenderingwithRadianceFieldsOptimizingaNeuralRadianceFieldPositionalencodingHierachicalvolumesamplingImplementationdetailsRe
廿载风光同笑泪·2022-12-28 07:01

[论文精读][NeRF] Masked Wavelet Representation for Compact Neural Radiance Fields

MaskedWaveletRepresentationforCompactNeuralRadianceFieldsAbstractIntroductionContributionsMethodOverviewNeuralradiancefieldsWavelettransformondecomposedtensorsMulti-levelwavelettransformLearningtomask
Wang_NNN·2022-12-28 07:59

立体匹配-ITSA-CVPR2022论文学习笔记

ITSA，Information-TheoreticShortcutAvoidance立体匹配的用途：AR、机器人、自动驾驶名称：《ITSA:AnInformation-TheoreticApproachtoAutomaticShortcutAvoidanceandDomainGeneralizationinStereoMatchingNetworks》位置：https://arxiv.org/a
tomeasure·2022-12-28 01:38

计算机视觉与图形学-神经渲染专题-非刚体NeRF II

《TiNeuVox:FastDynamicRadianceFieldswithTime-AwareNeuralVoxel》链接：https://jaminfong.cn/tineuvox/摘要作者通过表示具有时间感知体素特征的场景提出了一个辐射场框架，并将其命名为TiNeuVox。作者引入了一个微小的坐标变形网络来模拟粗略的运动轨迹，并且在辐射网络中进一步增强了时间信息。提出了一种多距离插值方法，
元宇宙MetaAI·2022-12-27 11:14

深度学习(21):nerf-pytorch语法知识点记录

文章目录0前面写的几篇前面关于nerf的一些学习：本文学习的代码：`nerf-pytorch`1python简单语法1.1python简单字符1.2python切片操作3python函数3.1var()
biter0088·2022-12-27 07:39

【论文学习笔记】Learning to Segment Every Thing (2018_CVPR)

论文：LearningtoSegmentEveryThing链接：https://arxiv.org/abs/1711.10370这篇文章是发表在2018的CVPR上的文章，文章的名字起的很霸气，示例分割所有的东西。下面本博客对这篇文章进行带有PPT的图片进行讲解，若有描述不对的地方，还请各位读者指教。目录IntroductionMask^xR-CNNExperimentConclusion文章的
嘿芝麻·2022-12-27 07:08

【第三周深度学习总结】

第三周深度学习总结论文学习ResNet重要结构结构创新点通过在block中加入identitymap，假设之前想要学习的映射为H(x)H(x)H(x)，那么现在可以知道H(x)=F(x)+xH(x)=F
文海傲舟·2022-12-27 07:35

Learning to Segment Every Thing Ronghang论文学习

近来目标检测器准确度显著提升，获得了很多重要的新能力。其中最令人兴奋的一项是为每个检测目标预测前景分割掩码，即实例分割（instancesegmentation）。在实践中，典型的实例分割系统只能关注小部分视觉信息，一般约为100个目标类别。该限制的主要原因是顶级的实例分割算法需要强大的监督系统，而此类监督数据很难收集新的类别，且比较昂贵。相比之下，边界框标注更丰富，也没有那么昂贵。这就引出了一个
北方的杨先生·2022-12-27 06:27

基于脑电信号的情绪识别-论文学习

论文题目：《AreviewofEEGfeaturesforemotionrecognition》论文题目：《EEG-BasedEmotionRecognitionUsingDeepLearningNetworkwithPrincipalComponentBasedCovariateShiftAdaptation》对情绪的量化和建模情绪有主要六种：高兴、悲伤、恐惧、惊讶、愤怒、厌恶。其他情绪可以由这
ipv-tao·2022-12-26 12:28

论文学习笔记——Fast Odometry and Scene Flow from RGB-D Cameras based on Geometric Clustering...

基于稀疏特征点匹配的视觉里程计技术1、需要通过多帧优化来消除奇异点的干扰。2、一般这种方法不能实现稠密场景流，但是存在可以估计多钢体运动的扩展方法，这些方法中需要足够多的特征点来估计运动，这在三维场景的二维投影结果中，只占小区域的物体是无法保证的直接产生稠密运动估计的方法(densedirectmethods)1、传统的代价函数惩罚：灰度误差、负的或正的深度误差、点面误差或特征空间中的可选误差。2
Fighting_young·2022-12-25 18:25

计算机视觉与图形学-神经渲染专题-非刚体NeRF

《FastNon-RigidRadianceFieldsfromMonocularizedData》链接：https://graphics.tu-bs.de/publications/kappel2022fast摘要单目动态场景下的3D重建和新颖视图合成最近受到越来越多的关注。现有工作在合成给定和前向拍摄的真实世界数据下可以合成较好的结果，但在生成新视图的训练速度和角度范围方面受到严重限制。本文解
元宇宙MetaAI·2022-12-25 14:38

计算机视觉与图形学-神经渲染专题-TensoRF

与直接使用MLP的NeRF不同，我们将场景的辐射场建模为4D张量，表示为具有每体素多通道特征的3D体素网格。我们的中心思想是将4D场景张量分解为多个紧凑的低秩张量分量。
元宇宙MetaAI·2022-12-25 14:07

计算机视觉与图形学-神经渲染专题-StructNeRF室内重建

神经辐射场（NeRF）通过密集捕获的输入图像实现照片真实感视图合成。然而，给定稀疏视图，NeRF的几何结构极为受限，导致新视图合成质量显著下降。
元宇宙MetaAI·2022-12-25 14:07

计算机视觉与图形学-神经渲染专题-NeRF-SR

NeRF是最先进的新视图合成方法，可以以训练图像的分辨率合成照片级真实感输出，但如（a）所示，在更高的分辨率下难以实现，而NeRFSR即使使用低分辨率输入也可以生成高质量的新视图（b）。
元宇宙MetaAI·2022-12-25 14:07
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他