这篇论文的主题是关于如何从单个RGB图像或视频中重建手持物体的三维模型。这项技术特别关注在户外环境中，当手遮挡了物体的大部分视线时，如何准确地重建物体的三维结构。论文中提出了一个名为MCC-HO的模型，它结合了大型语言/视觉模型和三维物体数据集的最新进展，以实现这一目标。 主要功能和特点： 手部和物体几何联合重建： M... 阅读全文

来自新加坡国立大学的研究人员推出3D生成建模新技术Hash3D，这个技术旨在提高3D模型生成的效率，而不需要重新训练模型。在3D建模中，通常需要大量的计算资源和时间来创建高质量的3D对象，特别是当使用复杂的2D扩散模型来生成3D内容时。Hash3D通过一种无需训练的方法，加速了这一过程，使得创建3D模型变得更加快速和高... 阅读全文

Meta发布新技术“鲁棒高斯点渲染”（Robust Gaussian Splatting，简称3DGS），这是一种用于三维场景重建的方法。想象一下，你有一系列从不同角度拍摄的照片，你想通过这些照片来重建一个三维模型。3DGS技术就是帮助我们从这些二维图像中恢复出三维信息的一种工具。总的来说，这项技术通过提高对实际拍摄数... 阅读全文

来自Meta和伊利诺伊大学厄巴纳-香槟分校的研究人员推出新型点云扩散模型PointInfinity，这是一种用于生成三维点云的人工智能技术。点云是描述三维空间中物体形状的一种数据形式，由许多点组成，每个点都有自己的位置信息。想象一下，你有一个复杂的物体，比如一个雕塑，PointInfinity能够通过从低分辨率的点云数... 阅读全文

阿里推出新型3D场景编辑框架Freditor，它通过频率分解技术实现了高保真度和可迁移性的NeRF（Neural Radiance Fields，神经辐射场）编辑。想象一下，你有一张3D渲染的日落场景图片，想要将其编辑成夜晚的样子，同时保持场景的细节和一致性。Freditor就是为此而生的工具。总之，Freditor是... 阅读全文

东京大学的研究人员推出MaGRITTe，它可以根据用户提供的部分图像、顶视图布局信息和文本提示来控制和生成3D场景。想象一下，你有一个不完整的图片，比如一张桌子的角落，还有一些关于房间布局的文字描述，比如“有一个窗户和水槽的厨房”。MaGRITTe能够结合这些信息生成一个完整的3D厨房模型，包括所有的细节和布局。 主要... 阅读全文

来自布里斯托大学、谷歌和英伟达的研究人员推出Tactile-Informed 3DGS，它结合了视觉数据和触觉传感信息，用于重建复杂表面的3D模型并进行新视角的合成。这项技术特别适用于处理具有光泽和反射性的表面，因为传统的3D重建方法在处理这类表面时往往会遇到困难。例如，想象一个考古学家正在研究一件古老的金属制品，他们... 阅读全文

来自慕尼黑工业大学、英特尔实验室的研究人员发布论文介绍了一个名为Mesh2NeRF的创新方法，它能够直接从带有纹理的3D网格模型中提取出真实的辐射场（radiance fields），这些辐射场可以用于3D生成任务。想象一下，你有一辆自行车的3D模型，你想用计算机生成这辆自行车在不同光照和视角下的照片。通常，这需要复杂... 阅读全文

来自新加坡国立大学、新加坡管理大学、南洋理工大学、Sea人工智能实验室和Skywork AI的研究团队推出Gamba，它是一个高效的单视图3D重建模型，旨在从单个图像中快速准确地重建三维资产。Gamba结合了3D高斯溅射（3D Gaussian Splatting）和Mamba序列网络，以解决现有方法在内存使用和渲染过... 阅读全文

这篇论文介绍了一种名为“Gaussian Frosting”的新技术，这是一种用于实时渲染和编辑复杂三维场景的创新方法。想象一下，你有一个由许多小高斯函数（类似云朵形状的数学对象）组成的三维模型，这些高斯函数可以捕捉到场景中的细微细节，比如猫的毛发或草地上的草。Gaussian Frosting技术就是在这些高斯函数的... 阅读全文

Meta发布了一种使用自回归结构化语言模型重建场景的方法SceneScript。该方法使用场景语言编码器-解码器架构，直接从编码的视觉数据中推断出一组结构化的语言命令。为了训练SceneScript，作者生成并发布了一个大规模的合成数据集，名为Aria Synthetic Environments，包含10万个高质量的... 阅读全文

谷歌发布论文介绍了一个名为RadSplat的方法，它是一种用于实时渲染复杂场景的轻量级技术。实时渲染是指能够即时生成图像的过程，这对于视频游戏、虚拟现实和增强现实等应用非常重要。RadSplat结合了辐射场（Radiance Fields）和高斯点渲染（Gaussian Splatting）的优点，以实现900多帧每秒... 阅读全文