7000篇顶会论文汇总

回复“论文”领取

最新7000篇顶会论文

内容概述：作者提出了一种从单张静态图片中建模自然振荡动态效果的新方法。该方法能够从单张图片生成照片般真实的动画，并显著优于现有的基准方法。此外，他们还展示了在多个后续应用中的潜力，例如创建无缝循环或交互式图像动态效果。

内容概述：作者提出了第一个详尽的用于图像生成的人类反馈数据集。具体来说，他们设计并训练了一个多模态Transformer来预测这些详尽的人类反馈，并展示了一些改进图像生成的实例。

内容概述：该论文引入了统一自主驱动（UniAD），这是一个最新的综合框架，将全栈驱动任务整合到一个网络中。它经过精心设计，可以利用每个模块的优势，并从全局角度为代理交互提供补充的特征抽象。任务通过统一的查询接口进行通信，以便于彼此进行规划。我们根据具有挑战性的nuScenes基准来实例化UniAD。通过广泛的消融，使用这种理念的有效性在各个方面都大大超过了以前的先进水平。

内容概述：该论文我们提出了EPro-PnP，这是一个用于一般端到端姿势估计的概率PnP层，它输出SE（3）流形上的姿势分布，本质上是将类别Softmax带到连续域。通过最小化预测姿态分布和目标姿态分布之间的KL散度，将2D-3D坐标和相应的权重作为中间变量进行学习。基本原则统一了现有的方法，并类似于注意机制。EPro-PnP显著优于竞争基线，缩小了基于PnP的方法与LineMOD 6DoF姿势估计和nuScenes 3D对象检测基准上的特定任务领导者之间的差距。

论文概述：该论文提出关键假设是，将组合式三维场景表示纳入生成模型，可以使图像合成更加可控。将场景表示为生成性神经特征场，使我们能够从背景中分离出一个或多个物体，以及单个物体的形状和外观，同时无需任何额外的监督就能从非结构化和unposed的图像集中学习。将这种场景表示与神经渲染管道结合起来，可以产生一个快速而真实的图像合成模型。正如我们的实验所证明的那样，我们的模型能够分解单个物体，并允许在场景中平移和旋转它们，还可以改变摄像机的姿势。

最佳论文主要内容这项研究提出了一种基于原始单目图像学习 3D 可变形物体类别的新方法，且无需外部监督。

最佳论文提出了一个新的理论，即在一个已知的可见场景和一个不在瞬态相机视线范围内的未知物体之间的 Fermat path。证明费马路径对应于瞬态测量中的不连续性。然后，我们推导出一种新的约束，它将这些不连续处的路径长度的空间导数与表面法线相关联。还提出了一种名为 Fermat Flow 的算法来估计非视距物体的形状。我们的方法首次允许复杂对象的精确形状恢复，范围从隐藏在拐角处以及隐藏在漫射器后面的漫反射到镜面反射。

因篇幅有限，仅展示前六篇

回复“论文”

预约《CVPR2024最佳论文大串讲》