44 Arbeiten
Die Arbeit stellt FC-4DFS vor, eine frequenzgesteuerte Methode zur Synthese flexibler und flüssiger 4D-Gesichtsausdruckssequenzen, die durch einen frequenzgesteuerten LSTM, einen temporalen Kohärenzverlust und ein Multi-Level-Identitätsnetzwerk mit Cross-Attention eine State-of-the-Art-Leistung auf den Datensätzen CoMA und Florence4D erreicht.
Diese Arbeit stellt LM-4DGAN vor, ein generatives Modell, das mithilfe neutraler Gesichtspunkte, eines Identitätsdiskriminators und eines Cross-Attention-Mechanismus robuste 4D-Gesichtsausdrücke für verschiedene Identitäten synthetisiert.
Diese Arbeit stellt einen reproduzierbaren Vergleich zwischen Clough-Tocher- und Multiquadric-RBF-Interpolationsverfahren unter Rauschen vor und zeigt, dass trotz Überanpassung bei verrauschten Daten die kubische Interpolation stabiler ist und in der Umwelttechnik genutzt werden kann, um physikalisch sinnvolle Prozessverläufe aus ungenauen Messungen wiederherzustellen.
Das Paper stellt TopGen vor, ein robustes lernbasiertes Framework, das durch die parallele Vorhersage von strukturellen Layouts und Kreuzfeldern hochwertige Vierecksnetze generiert und dabei die Effizienz sowie die Editierbarkeit bestehender Methoden deutlich verbessert.
Das Paper stellt TreeON vor, ein neuronales Framework, das aus einem einzelnen Orthofoto und einer Höhenkarte detaillierte 3D-Punktwolken von Bäumen rekonstruiert, indem es eine neue Trainingsstrategie mit geometrischen und schattenbasierten Verlusten auf einem synthetischen Datensatz nutzt, um hochwertige und generalisierbare Ergebnisse ohne reale Ground-Truth-Daten zu erzielen.
Die Arbeit stellt LiTo vor, eine 3D-Latenzdarstellung, die Geometrie und view-abhängige Erscheinung durch Tokenisierung von Oberflächenlichtfeldern vereint, um realistische optische Effekte zu erzeugen und die Generierung von 3D-Objekten mit konsistenten Materialien und Beleuchtung aus einem einzigen Eingabebild zu ermöglichen.
Die Arbeit stellt Co-Layout vor, ein neuartiges Framework, das Large Language Models mit gitterbasiertem ganzzahligem Programmieren kombiniert, um die Innenraumgestaltung und Möbelplatzierung durch eine effiziente grob-zu-fein-Optimierungsstrategie gemeinsam zu verbessern.
Die Arbeit stellt „Companion" vor, ein robotisches Zeichensystem, das durch die Integration von Large Language Models und Echtzeit-Interaktion den Menschen wieder in den kreativen Prozess einbindet und so eine synergistische, bidirektionale Zusammenarbeit für das visuelle Geschichtenerzählen ermöglicht, die von Experten als ästhetisch eigenständig und ausstellungsfähig bestätigt wurde.
Diese Arbeit untersucht die durch KI-Entwicklungen ausgelösten Herausforderungen und Chancen für die Mensch-Daten-Interaktion, indem sie bestehende Grenzen in Bezug auf Unsicherheit, Skalierbarkeit und Interpretierbarkeit aufzeigt und einen Paradigmenwechsel hin zu kognitiv und wahrnehmungsorientierten, menschzentrierten Systemen für die Datenanalyse fordert.
Die Arbeit stellt Icarus vor, ein voll dynamisches Bereich-Sky-Modell, das mittels Deep Learning fotorealistische, wetterunabhängige Umgebungskarten mit präziser Sonnenausleuchtung und Wolkensteuerung für das Image-Based Lighting generiert und dabei die Limitationen bestehender neuronaler Modelle überwindet.
Die Arbeit stellt PixARMesh vor, eine Methode, die aus einem einzelnen RGB-Bild autoregressiv vollständige, kohärente und direkt anwendbare 3D-Innenszenen-Meshes in einem einzigen Vorwärtsschritt rekonstruiert, indem sie Objektplatzierung und Geometrie in einem einheitlichen Modell kombiniert.
Die Arbeit stellt FontUse vor, einen datenzentrierten Ansatz, der durch eine annotierte Datensammlung von 70.000 Bildern mit stil- und anwendungsspezifischen Prompts die Kontrolle über die Typografie in Text-zu-Bild-Modellen verbessert, ohne deren Architektur zu verändern.
Die Arbeit stellt PSIVG vor, ein Framework, das einen physikalischen Simulator in den Diffusionsprozess integriert, um physikalisch konsistente und realistische Videogenerierung zu ermöglichen.
Das Paper stellt LayoutDreamer vor, ein Framework, das 3D-Gaussian-Splatting mit physikbasierten Layout- und Energieoptimierungen kombiniert, um textgesteuerte, physikalisch plausible und kontrollierbare kompositorische 3D-Szenen zu generieren und dabei den aktuellen Stand der Technik zu übertreffen.
Die Arbeit stellt altiro3D vor, eine freie Bibliothek, die aus einem einzelnen RGB-Bild oder Video mittels Monokularer Tiefenschätzung, Inpainting und effizienter Projektionsalgorithmen realistische 3D-Erlebnisse und Lichtfelddaten für Freisicht-Displays erzeugt.
Die Arbeit stellt NeuralRemaster vor, eine modellunabhängige Methode namens Phase-Preserving Diffusion (φ-PD), die bei der Generierung von Bildern und Videos die Phasenkomponente des Eingabesignals bewahrt, um strukturerhaltende und geometrisch konsistente Ergebnisse für Aufgaben wie Re-Rendering und Sim-to-Real-Transfer zu ermöglichen.
Das Paper stellt „Gaussian Wardrobe" vor, ein neuartiges Framework, das mittels einer compositionalen 3D-Gaussian-Repräsentation aus Multi-View-Videos photorealistische Avatare mit entkoppelten, formunabhängigen Kleidungsstücken erzeugt, um so eine flexible virtuelle Anprobe und Wiederverwendung von Kleidung auf verschiedenen Personen zu ermöglichen.
GloSplat ist ein Framework, das durch die gemeinsame Optimierung von Pose und Erscheinung unter Beibehaltung expliziter SfM-Feature-Tracks während des Trainings von 3D-Gaussian-Splatting eine schnellere und genauere 3D-Rekonstruktion ermöglicht, die sowohl in COLMAP-freien als auch in COLMAP-basierten Szenarien state-of-the-art Ergebnisse erzielt.
Die Autoren stellen ein neues Kameramodell für die Regression monokularer 3D-Morphable-Modelle vor, das durch die Einführung eines Schrumpfungsparameters eine stabile Pseudo-Perspektive ermöglicht und somit die bisherige Beschränkung auf orthografische Projektionen bei Nahaufnahmen, etwa von Head-Mounted-Cameras, überwindet.
Diese Arbeit stellt eine neue kompakte und effiziente 5D-neuronale Kodierung vor, die durch die Erweiterung des Hash-Grid-Ansatzes auf eine hierarchische geodätische Gitterstruktur für den Richtungsraum eine überlegene Darstellung von hochfrequenten räumlich-direktionalen Signalen ermöglicht und im Kontext des neuronalen Pfad-Guiding den aktuellen Stand der Technik in Bezug auf die Varianzreduktion signifikant verbessert.