久久一区二区三区超碰国产精品,亚洲人成在线网站,国产在线精品一区免费香蕉,国产精品免费电影

CVPR 2023 即將到來。

今天，官方公布了12篇獲獎?wù)撐暮蜻x名單。（占接受論文的0.51%和提交論文的0.13%）

根據(jù)官網(wǎng)統(tǒng)計，本屆 CVPR 共接受論文 9155 篇，其中錄取 2359 篇，錄取率為 25.8%。

其中 235 篇經(jīng)過評級。（占已接受論文的 10% 和已提交論文的 2.6%）

1. 通過自我頭部姿勢實現(xiàn)自我身體姿勢

作者：Li, Karen Liu, Wu

院校：斯坦福大學(xué)

論文地址：

在本文中，研究人員提出了一種新方法，通過自我頭部姿勢估計來進行自我身體姿勢估計（Ego-Body Pose ），將問題分解為以頭部運動作為中間表示連接的兩個階段。首先，結(jié)合SLAM和一種學(xué)習(xí)方法來估計準確的頭部運動。

隨后薩里大學(xué)，利用條件擴散，使用估計的頭部姿勢作為輸入，生成多個合理的全身運動。頭部和身體姿勢的分離消除了對以自我為中心的視頻和 3D 人體運動的配對訓(xùn)練數(shù)據(jù)集的需求，使研究人員能夠分別利用大規(guī)模以自我為中心的視頻數(shù)據(jù)集和動作捕捉數(shù)據(jù)集。

此外，為了對該系統(tǒng)進行基準測試，研究人員開發(fā)了一個合成數(shù)據(jù)集 AMASS-Ego-Syn (ARES)，其中包括成對的自我中心視頻和人體動作。在 ARES 和真實數(shù)據(jù)上，研究人員的模型表現(xiàn)明顯優(yōu)于目前最先進的方法。

2. 3D 和

作者：張希宇、楊嘉琪、張、張

3. ：大型 3D ，和

作者：吳童、張、付曉、王雨馨、任、潘亮、吳、楊雷、王嘉琪、陳茜、林大華、劉紫薇

機構(gòu)：上海人工智能實驗室、香港中文大學(xué)、商湯科技、香港科技大學(xué)、南洋理工大學(xué)

論文地址：

由于缺乏大規(guī)模真實掃描 3D 數(shù)據(jù)庫，3D 對象建模的最新進展都依賴于合成數(shù)據(jù)集。

為了推動現(xiàn)實世界 3D 感知、重建和生成的最新技術(shù)，我們提出了一個大詞匯量的 3D 對象數(shù)據(jù)集，其中包含大量高質(zhì)量的真實掃描 3D 對象。

它有幾個吸引人的特點：1）數(shù)據(jù)量非常大：包括190個日常類別的6000個掃描物體，與流行的2D數(shù)據(jù)集（如和LVIS）共享共同類別，有利于追求通用的3D表示。2）注釋豐富：每個3D物體都由2D和3D傳感器捕獲，提供紋理網(wǎng)格、點云、多視圖渲染圖像和多個真實捕獲的視頻。3）逼真的掃描：專業(yè)掃描儀支持高質(zhì)量的物體掃描，形狀精確，外觀逼真。

利用提供的廣闊探索空間，研究人員精心設(shè)立了四個評估基準：a) 強大的 3D 感知、b) 新穎的視圖合成、c) 神經(jīng)表面重建和 d) 3D 物體生成。

4. ：for Field 上的

作者：陳，，Peter，

機構(gòu)：谷歌、西蒙弗雷澤大學(xué)、多倫多大學(xué)

論文地址：

神經(jīng)輻射場 (NeRF) 在從新視角合成 3D 場景圖像方面表現(xiàn)出了令人印象深刻的能力。然而，它們依賴于專有的體積渲染算法，而這些算法與廣泛部署的圖形硬件的能力不匹配。

本文介紹了一種基于紋理多邊形的新型 NeRF 表示，可用于使用標準渲染管道高效合成新圖像。NeRF 表示為一組多邊形，其紋理表示二進制不透明度和特征向量。使用 Z 緩沖區(qū)對多邊形進行傳統(tǒng)渲染會產(chǎn)生每個像素都具有特征的圖像，這些特征由片段著色器中運行的小型、視圖相關(guān)的 MLP 進行解釋，以產(chǎn)生最終的像素顏色。

這種方法使得 NeRF 能夠使用傳統(tǒng)的多邊形光柵化管道進行渲染，從而提供大量像素級并行性并實現(xiàn)足以在包括移動電話在內(nèi)的各種計算平臺上進行交互使用的幀速率。

5. ：基于圖像

作者：Li, Wang, Cole, Noah

組織：、康奈爾科技

論文地址：

在本文中，研究人員提出了一種基于體積圖像的渲染框架，該框架通過以場景運動感知的方式聚合附近的視點特征來合成新的視點。

研究人員的系統(tǒng)保留了以前方法的優(yōu)勢，即能夠模擬復(fù)雜場景和視點相關(guān)效果，但也能夠從具有復(fù)雜場景動態(tài)和不受約束的相機軌跡的長視頻中合成照片般逼真的新視點。

結(jié)果表明，新方法在動態(tài)場景數(shù)據(jù)集上比 SOTA 有顯著改進。此外，它還可以應(yīng)用于具有挑戰(zhàn)性的體育視頻，而之前的方法無法在這些視頻中產(chǎn)生高質(zhì)量的渲染。

6.-

作者：胡一涵、楊、陳力、李克宇、司馬、朱、柴思齊、杜、林、王、盧樂偉、賈、劉強、戴、喬宇、李

單位：上海市人工智能實驗室自動駕駛團隊、武漢大學(xué)、商湯科技

論文地址：

在本文中，研究人員提出了一種新的綜合框架——統(tǒng)一自動駕駛（UniAD）。通過將全棧駕駛?cè)蝿?wù)整合到一個網(wǎng)絡(luò)中，該框架可以利用每個模塊的優(yōu)勢，并從全局視角為代理交互提供互補的功能抽象。任務(wù)通過統(tǒng)一的查詢接口進行通信，從而促進彼此的規(guī)劃。

研究人員在具有挑戰(zhàn)性的基準上實例化了 UniAD。消融實驗表明，新方法在各方面均顯著優(yōu)于之前的 SOTA。

7. ：精細文本轉(zhuǎn)圖像 -

作者：Ruiz、Li、Varun、Yael、Kfir

組織：、波士頓大學(xué)

論文地址：

在這項工作中，研究人員提出了一種“個性化”文本到圖像擴散模型的新方法。

只需輸入幾張主題圖片，預(yù)先訓(xùn)練好的文本轉(zhuǎn)圖像模型就可以進行微調(diào)，學(xué)習(xí)將唯一標識符綁定到特定主題。一旦主題嵌入到模型的輸出域中，唯一標識符便可用于合成該主題在不同場景中的新照片級逼真圖像。

通過利用模型中嵌入的語義先驗以及新穎的自生成的類特定先驗保留損失，新方法能夠合成參考圖像中不存在的各種場景、姿勢、視點和光照條件下的主體。

8. 關(guān)于

作者：孟羅賓、高瑞琪、Ermon、Ho、Tim

機構(gòu)：斯坦福大學(xué)、AI、慕尼黑大學(xué)、谷歌

論文地址：

沒有分類器指導(dǎo)的擴散模型的一個缺點是它們在推理時計算成本很高，因為它們需要評估兩個擴散模型（一個是類條件的，一個是無條件的），數(shù)十到數(shù)百次。

為了解決這一限制，研究人員提出了一種方法，將沒有分類器指導(dǎo)的擴散模型細化為快速采樣模型。

給定一個沒有分類器指導(dǎo)的預(yù)訓(xùn)練模型，我們首先學(xué)習(xí)一個單一模型來匹配組合條件和非條件模型的輸出，然后逐漸將該模型細化為需要更少采樣步驟的擴散模型。

9. ：

作者：古普塔，

機構(gòu)：艾倫人工智能研究所

論文地址：

研究人員提出了一種神經(jīng)符號方法，根據(jù)自然語言指令解決復(fù)雜和組合的視覺任務(wù)。

我們利用大型語言模型的非文本學(xué)習(xí)能力來生成類似于的模塊化程序，然后執(zhí)行這些程序以獲得解決方案和全面、可解釋的理由。

生成的程序的每一行都可以調(diào)用幾個現(xiàn)成的 CV 模型、圖像處理子程序或函數(shù)之一來產(chǎn)生中間輸出。

研究人員在四項不同的任務(wù)上展示了它們的靈活性：組合視覺問答、圖像對的零樣本推理、事實知識對象標記和語言引導(dǎo)的圖像編輯。

研究人員表示，像這樣的神經(jīng)符號方法是一種令人興奮的途徑，可以輕松有效地擴展人工智能系統(tǒng)的覆蓋范圍，以服務(wù)于人們可能想要執(zhí)行的長期復(fù)雜任務(wù)。

10. 人類能做什么？

作者： Nath、Ayan Kumar、Sain、Koley、Tao Hong、宋一哲

院校：薩里大學(xué)

論文地址：

素描具有極強的表現(xiàn)力，能夠捕捉主觀且精細的視覺線索。然而，目前對素描這種固有屬性的探索僅限于圖像檢索領(lǐng)域。

在論文中，研究人員試圖利用草圖的表現(xiàn)力，而不是物體檢測的基本視覺任務(wù)。

研究人員首先獨立提示了SBIR模型的素描和照片分支，基于CLIP的泛化能力，構(gòu)建了高度可泛化的照片編碼器。

隨后，研究人員設(shè)計了一個訓(xùn)練范例，以使編碼器適應(yīng)物體檢測，使得檢測到的邊界區(qū)域的嵌入與 SBIR 草圖和照片的嵌入對齊。

通過在標準對象檢測數(shù)據(jù)集（例如 -VOC 和 MS-COCO）上評估最新框架，結(jié)果表明它們在零樣本設(shè)置中優(yōu)于監(jiān)督（SOD）和弱監(jiān)督對象檢測器（WSOD）。

11. 事件數(shù)據(jù)

作者：Nico Fang

機構(gòu)：蘇黎世大學(xué)

論文地址：

現(xiàn)有的事件相機特征跟蹤方法要么是手工制作的，要么是從第一原理推導(dǎo)出來的，但需要大量的參數(shù)調(diào)整，對噪聲敏感，并且由于未建模的影響而無法推廣到不同的場景。

為了解決這些缺陷薩里大學(xué)，研究人員引入了第一個數(shù)據(jù)驅(qū)動的基于事件的相機特征跟蹤器，該跟蹤器利用低延遲事件來跟蹤在灰度幀中檢測到的特征。

通過無縫地將合成數(shù)據(jù)直接轉(zhuǎn)換為真實數(shù)據(jù)，新的數(shù)據(jù)驅(qū)動跟蹤器在相對特征年齡方面的表現(xiàn)比現(xiàn)有方法高出 120%，同時還實現(xiàn)了最低的延遲。通過使用新的自監(jiān)督策略將跟蹤器調(diào)整到真實數(shù)據(jù)，這一性能差距進一步擴大到 130%。

12.

作者：Azim, Irina, Yury, Dehua Song,

機構(gòu)：華為諾亞方舟實驗室

論文地址：

研究人員引入了一個新的深度神經(jīng)網(wǎng)絡(luò)家族。研究人員不再使用傳統(tǒng)的 N 維權(quán)重張量來表示網(wǎng)絡(luò)層，而是使用沿濾波器和通道維度的連續(xù)層表示。研究人員將這種網(wǎng)絡(luò)稱為積分神經(jīng)網(wǎng)絡(luò) (INN)。

具體來說，INN 的權(quán)重表示為在 N 維超立方體上定義的連續(xù)函數(shù)，而每層輸入的離散變換相應(yīng)地由連續(xù)積分運算取代。

在推理過程中貝語網(wǎng)校，可以通過數(shù)值積分和求積將連續(xù)層轉(zhuǎn)換為傳統(tǒng)的張量表示。這種表示允許網(wǎng)絡(luò)以任意大小和各種離散化間隔離散化積分核。

該方法可用于直接在邊緣設(shè)備上修剪模型，無需任何微調(diào)，即使在高修剪率下也只會造成很小的性能損失。

為了評估所提出方法的實際效果，研究人員使用各種神經(jīng)網(wǎng)絡(luò)架構(gòu)在多項任務(wù)上進行了實驗。

報告的結(jié)果表明，所提出的 INN 實現(xiàn)了與傳統(tǒng)離散 INN 相同的性能，同時能夠在高修剪率（高達 30%）下保持大致相同的性能（準確度損失 2%）而無需微調(diào)，而傳統(tǒng)修剪方法在相同條件下會遭受 65% 的準確度損失。

參考：