윤제로의 제로베이스

https://openaccess.thecvf.com/content/CVPR2022/papers/Niemeyer_RegNeRF_Regularizing_Neural_Radiance_Fields_for_View_Synthesis_From_Sparse_CVPR_2022_paper.pdf https://m-niemeyer.github.io/regnerf RegNeRF NeRF optimizes the reconstruction loss for a given set of input images (blue cameras). For sparse inputs, however, this leads to degenerate solutions. In this work, we propose to sample unobserve..

https://arxiv.org/abs/2103.13415 Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields The rendering procedure used by neural radiance fields (NeRF) samples a scene with a single ray per pixel and may therefore produce renderings that are excessively blurred or aliased when training or testing images observe scene content at different resolu arxiv.org https://github.com/..

https://arxiv.org/pdf/2107.02791.pdf https://github.com/dunbar12138/DSNeRF GitHub - dunbar12138/DSNeRF: Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) - GitHub - dunbar12138/DSNeRF: Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) github.com 기존의 pixelNeRF, MVSNeRF등 다양한 NeRF 논문들이 1장 혹은 적은 양의 i..

https://arxiv.org/abs/2211.13969 Unsupervised Continual Semantic Adaptation through Neural Rendering An increasing amount of applications rely on data-driven models that are deployed for perception tasks across a sequence of scenes. Due to the mismatch between training and deployment data, adapting the model on the new scenes is often crucial to obtain go arxiv.org NeRF 관련 되어서 arxiv를 항해하던 중 CVPR..

https://github.com/sxyu/pixel-nerf GitHub - sxyu/pixel-nerf: PixelNeRF Official Repository PixelNeRF Official Repository. Contribute to sxyu/pixel-nerf development by creating an account on GitHub. github.com http://arxiv.org/abs/2012.02190 pixelNeRF: Neural Radiance Fields from One or Few Images We propose pixelNeRF, a learning framework that predicts a continuous neural scene representation co..

Hu, Benran, et al. "Instance Neural Radiance Field." arXiv preprint arXiv:2304.04395 (2023). https://arxiv.org/pdf/2304.04395.pdf 이 논문은 그냥 arxiv를 떠다니다가 발견한 논문이다. indoor scene에 대해서 Instance level로 NeRF를 사용한 논문이다. 일종의 pipeline이라고 생각하면 될 듯 하다. Method 이 논문의 Instance-NeRF의 목적을 먼저 말하자면 3D scene에 모든 object를 detection bounding box, continuous 3D mask, 각각의 3D object의 class label까지 produce 위와 같은 목적을 갖고 있다..

https://fuxiao0719.github.io/projects/panopticnerf/ Panoptic NeRF: 3D-to-2D Label Transfer for Panoptic Urban Scene Segmentation Abstract Panoptic NeRF obtains per-pixel 2D semantic and instance labels from easy-to-obtain coarse 3D bounding primitives. --> Large-scale training data with high-quality annotations is critical for training semantic and instance segmentation models. Unfo fuxiao0719.g..

Learning Object-Compositional Neural Radiance Field for Editable Scene Rendering(ICCV 2021) https://zju3dv.github.io/object_nerf/ Introduction 이 논문에서 추구하는 contribution은 다음과 같다. the first editable neural scene rendering system given a collection of posed images and 2D instance masks design a novel two-pathway architecture to learn object compositional neural radiance field the experiment and exte..

https://arxiv.org/pdf/2011.10650.pdf Introduction VAE는 prior가 주어지고, latent space와 data 사이의 관계를 학습한다 확실한 목표를 가진 model이다. 그래서 이 논문의 저자는 VAE가 Autoregressive Model보다 좊은 화질의 사진들의 분포를 잘 학습할 수 있다고 주장한다. 그래서 아래와 같은 contrivution을 달성하는데 Layer 층 수에 따른 VAE의 성능에 대한 이론을 세우고, autoregressive model이 layer를 쌓은 VAE의 특수한 형태임을 증명 안정적으로 훨씬 많은 layer를 쌓을 수 있는 방법 제공 실험을 통해 capacity와 상관 없이 alyer 수를 늘리는 것이 주는 성능 향상의 영향과 모..

InfoVAE: Information Maximizing Variational Autoencoders VAE Generative model의 목적은 log likelihood 최대화 이다. 이 때 위 수식은 intractable하다. 그래서 p(x)를 직접 사용하지 않고 q(z|x)를 통해서 lowerbound를 maximize하는 방식으로 대체한다. VAE에 대한 자세한 이해는 아래 글로 이동하세요! https://yoon-zero.tistory.com/m/41 Variational Autoencoders: VAE Auto-Encoder Auto-Encoder란 input image를 가장 잘 표현하는 compressed representation을 찾기 위한 Encoder학습 모델이다. Variati..