🌍 Hello World :D

CVPR 2024.Shijie Zhou, Haoran Chang, Sicheng Jiang, Zhiwen Fan, Zehao Zhu, Dejia Xu, Pradyumna Chari, Suya You, Zhangyang Wang, AchutaKadambiUniversity of California | University of Texas at Austin | DEVCOM ARL6 Dec 2023 IntroductionFeature 3DGS는 3D-GS 프레임워크를 기반으로 한 최초의 feature field distillation(분리!!) 기술을 제안하는 논문이다.3DGS 프레임워크는 기본적으로 각 Gaussian에서 semantic feature의 joint 학습을 지원하지 않는다. (semantic f..

CVPR 2024.Guanjun Wu, Taoran Yi, Jiemin Fang, Lingxi Xie, Xiaopeng Zhang, Wei Wei, Wenyu Liu, Qi Tian, Xinggang WangSchool of CS | Huazhong University of Science and Technology 2School of EIC | Huazhong University of Science and Technology | Huawei Inc. 15 Jul 2024 Introduction본 논문은 움직이는 영상에 대해 scene을 렌더링하는 연구이다.Gaussian Splatting 기법을 사용한 Dynamic scene 모델링 연구를 통해 피사체가 움직여도 시간의 변화에 따라 자연스럽게 렌더링할 ..

SIGGRAPH 2024.BINBIN HUANG, ZEHAO YU, ANPEI CHEN, ANDREAS GEIGER, SHENGHUA GAOShanghaiTech University | University of Tübingen Tübingen AI Center | 9 Jun 2024 3D-GS 방법은 NeRF 보다 유리하지만, pointcloud 의 변형에 가까운 특성상 mesh 로 만드는 것은 어렵고, 실사용하기엔 무리가 있다.실사용할 정도의 성능을 내는 2D-GS에 대해 알아보자. Introduction3D-GS의 Challenges in Surface Reconstruction Thin Surface 를 배우기 어렵다.Surface Normal 을 배우지 않는다. -> high-quality su..

SIGGRAPH 2023.Bernhard Kerbl, Georgios Kopanas, Thomas Leimkühler, George DrettakisInria | Max-Planck-Institut für Informatik8 Aug 2023 3D scene representation 분야에서 NeRF 보다 성능이 좋고, 요즘 떠오르는 방법인 Gaussian splatting에 대해 알아보자. 요약3D Gaussian 을 사용하여 scene을 나타냄.기존의 NeRF 기반 방법보다 더 좋은 성능 -> Rendering speed가 real-time으로 수행될 수 있을 만큼 빠름.IntroductionNeRF 방법 :- 3D scene을 continuous scene으로 표현- volumetric Ray-m..

CVPR 2023.Yu-Lun Liu, Chen Gao ,Andreas Meuleman, Hung-Yu Tseng, Ayush Saraf, Changil Kim, Yung-Yu Chuang, Johannes Kopf, Jia-Bin HuangMeta | National Taiwan University | KAIST | University of Maryland, College Park5 Jan 2023 AbstractDynamic radiance field reconstruction 방법은 동적 장면의 시간에 따라 변하는 구조와 모양을 모델링하는 것을 목표로 한다. 그러나 기존의 Dynamic radiance field reconstruction 방법은 SfM(Structure from Motion) 알고..

ICCV 2023.Ruoshi Liu, Rundi Wu, Basile Van Hoorick, Pavel Tokmakov, Sergey Zakharov, Carl VondrickColumbia University | Toyota Research Institute20 Mar 2023 Abstract하나의 RGB image가 주어진 객체의 뷰 포인트를 바꾸기 위한 프레임워크, Zero-1-to-3 제안.large-scale diffusion 모델의 geometric priors를 활용.synthetic 데이터셋을 이용해 훈련, 그 외 데이터셋에 대해 zero shot 일반화 기능 유지.단일 뷰를 3D 뷰로 재구성. Introduction3D 이미지의 재구성을 위한 기존의 접근들은 3D annotations, ..

NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis ECCV 2020.Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren NgUC Berkeley | Google Research | UC San Diego19 Mar 2020 Introduction NeRF는 Neural Radiance Fields의 줄임말로 2D 이미지를 입력으로 주었을 때, 마치 3D를 보는 것처럼 다른 시점에서 본 입력 이미지를 생성하는 View Synthesis task를 다룬다. 모델은 MLP 형식으로, 단순한 구조로 3D scene r..

CVPR 2023. [Paper]Nataniel Ruiz, Yuanzhen Li, Varun Jampani, Yael Pritch, Michael Rubinstein, Kfir AbermanGoogle Research | Boston University25 Aug 2022 AbstractFine-tunning 이란?기존에 학습된 모델(Pretrained model)을 기반으로 추가적으로 새로운 데이터셋 학습을 통해 모델의 파라미터를 미세조정하는 것이다. Latent Diffusion 모델에서 학습가능한 파라미터의 영역은 크게 텍스트 인코더와 U-net 영역이 있으며, 드림부스는 두가지 파라미터 모두 학습한다. 본 논문에서는 text-to-image diffusion model의 "개인화"를 위한 새로운 ..

Martin Arjovsky : https://arxiv.org/abs/1701.07875v3 Wasserstein GAN We introduce a new algorithm named WGAN, an alternative to traditional GAN training. In this new model, we show that we can improve the stability of learning, get rid of problems like mode collapse, and provide meaningful learning curves useful for debuggi arxiv.org 1. Introduction Unsupervised Learning은 데이터 (x)의 확률 분포 ( P(x))를..

Phillip Isola 1. Introduction Image-to-Image Translation은 이미지를 입력으로 받아서 또 다른 이미지를 출력으로 반환하는 Task를 뜻한다. 본 논문은 Image-to-Image Translation에 적합한 cGAN을 기반으로하며 다양한 Task에서 좋은 결과를 보이는 프레임워크 pix2pix를 다룬다. 자동 언어 번역이 가능한 것처럼 자동 image-to-image 변환 또한 충분한 학습 데이터가 주어진다면 한 장면의 표현을 다른 장면으로 변환하는 작업으로 정의할 수 있다. DCGAN과 다른점은 Generator(G)의 input이 random vector가 아니라 condition input 라는 점이다. 본 논문에서 우리의 목표는 이러한 모든 문제에 대한..