3D Convex Splatting: A Novel Approach to Radiance Field Rendering for High-Quality View Synthesis
3D Convex Splatting (3DCS) is a novel method for radiance field rendering that utilizes 3D smooth convex shapes as primitives, surpassing previous methods like 3D Gaussian Splatting in quality and efficiency for novel view synthesis.
3Dオブジェクト内部のリアルタイムテクスチャ生成手法FruitNinja：Gaussian Splattingを用いた革新的なアプローチ
3Dオブジェクトの内部テクスチャ生成における課題を解決するため、Gaussian Splattingを用いた新規手法「FruitNinja」を提案する。FruitNinjaは、断面画像の段階的なインペイントとボクセルベースのスムージングにより、任意の形状変更に対してもリアルタイムレンダリング可能な、高品質で一貫性のある内部テクスチャを生成する。
基於稀疏張量變換器的渲染導向三維點雲屬性壓縮
本文提出了一種新的端到端深度學習框架 RO-PCAC，用於三維點雲顏色屬性壓縮，該框架將點雲屬性壓縮與可微渲染相結合，直接優化渲染後的多視圖圖像質量，並提出了一種基於稀疏張量的變換器 SP-Trans，用於增強點雲特徵分析和合成，實驗結果表明，RO-PCAC 在壓縮性能方面優於現有的重建導向方法。
平面反射を考慮したニューラル放射輝度場
従来のNeRFは平面反射を誤った形状として解釈してしまう問題があったが、本論文では平面反射を明示的に考慮することで、より正確なシーンのジオメトリと反射を表現する新しいNeRFモデルを提案する。
BrepGen: A Novel Diffusion-Based Generative Model for Creating B-rep CAD Models
BrepGen is a new diffusion-based generative model that directly creates B-rep CAD models, surpassing previous methods by generating complex shapes with free-form and doubly-curved surfaces.
깊이 적응을 통한 360도 스테레오 이미지 합성
360도 스테레오 이미지에 객체를 합성할 때 발생하는 깊이 인식 문제를 해결하기 위해 다중 시점 투영 기법과 딥러닝 기반 깊이 정보 생성 기술을 활용한 새로운 방법론을 제시합니다.
ボリューメトリックビデオの進化：スマートトランスコーディングと圧縮手法に焦点を当てた調査
ボリューメトリックビデオ技術の普及には、ファイルサイズ、計算量の多さ、標準化の欠如といった課題が存在するが、AIを活用したスマートトランスコーディング技術が、これらの課題を克服し、没入型メディア体験の未来を切り開く可能性を秘めている。
가상 프로덕션에서의 압축 활용: 화질 저하 없이 비트레이트를 줄이는 방법
가상 프로덕션에서 기존 중간 코덱 대신 하이브리드 코덱(HEVC, AV1)을 사용하면 화질 손실 없이 비트레이트를 크게 줄일 수 있다.
StyleTex: Generating Stylized Textures for 3D Models Using a Single Reference Image and Text Prompts
StyleTex is a novel method for generating stylized textures on 3D models, leveraging a single reference image and text prompts to guide the style while maintaining geometric consistency and avoiding content leakage.
Creating Photorealistic and Relightable Avatars from a Single Phone Scan Using a Universal Gaussian Codec Prior
This paper introduces URAvatar, a novel method for generating high-fidelity, relightable avatars from a single phone scan by leveraging a universal prior learned from hundreds of multi-view, multi-light capture sequences.
© 2024 by Linnk AI