清华大学和香港科技大学的研究人员推出新型三维场景重建框架ReconX，econX的目标是从稀疏的视角（比如只有几张图片）重建出详细的三维场景。这就像用几张风景照片，来构建一个可以360度观看的三维模型。 项目主页：https://liuff19.github.io/ReconX GitHub：https://githu... 阅读全文

马克斯·普朗克信息学研究所，萨尔信息学校区、萨尔布吕肯视觉计算、交互和人工智能研究中心和弗莱堡大学的研究人员推出TEDRA，它可以让用户通过文本描述来编辑动态且逼真的3D角色模型。简单来说，TEDRA就是一个先进的“虚拟化妆师”，能够根据你提供的文本提示，比如“穿着卫衣的男人”，来改变3D角色的外观，同时保持角色的动作... 阅读全文

沙特阿拉伯国王科技大学的研究人员推出交互式3D布局控制方法“Build-A-Scene”（简称BAS），用于基于扩散模型的图像生成。简单来说，这个方法允许用户通过提供一个3D布局来控制图像中物体的类型、位置和方向，然后系统会根据这些信息生成一张图片。例如，一个室内设计师想要快速预览不同沙发和灯具的摆放效果。使用BAS，... 阅读全文

清华大学深圳国际研究生院、腾讯人工智能实验室、香港科技大学、斯坦福大学和香港中文大学的研究人员推出MagicMan，它是一种用于生成人类新视角图像的模型，能够在3D空间中意识到人类的形态和动作。MagicMan通过使用一个预训练的2D扩散模型和3D人体模型（SMPL-X）来生成高质量、多视角的人类图像，这些图像非常适合... 阅读全文

延世大学的研究人员推出一种名为FLoD（Flexible Level of Detail，灵活的细节层次）的技术，它被集成到了3D Gaussian Splatting（3DGS，三维高斯溅射）中，以实现可定制的渲染效果。3DGS是一种用于快速、高质量渲染的3D场景表示方法，但传统的3DGS对内存的需求很高，这限制了它... 阅读全文

上海人工智能实验室和纽约大学的研究人员推出新技术T3M，它能够通过语音和文本的输入来生成逼真的3D人体动作。这项技术对于虚拟现实（VR）、游戏开发和电影制作等领域有着重要的应用价值。例如，你正在为一款虚拟现实游戏设计一个角色，这个角色需要根据玩家的语音指令来做出相应的动作。传统的方法可能只能根据语音的音调、速度等特征来... 阅读全文

上海交通大学、香港中文大学、浙江大学、上海人工智能实验室、斯坦福大学和南洋理工大学的研究人员推出LayerPano3D，这是一种从单一文本提示生成全视角可探索全景三维场景的新型框架。我们的核心见解是将参考二维全景图分解为不同深度级别的多个图层，每个图层通过扩散先验揭示参考视图中看不见的空间。LayerPano3D 包含... 阅读全文

加州大学圣地亚哥分校、Hillbot 、 浙江大学和加州大学洛杉矶分校的研究人员推出新技术SpaRP（Sparse-view Reconstruction and Pose estimation），它能够从稀疏视角的二维图像中快速重建出三维物体，并估计它们的相对姿态。这项技术对于现实世界中的许多应用来说都非常关键，比如... 阅读全文

高效光学流估计方法NeuFlow v2，它能够在边缘设备上实现实时高精度的光学流计算。光学流是计算机视觉中的一个概念，用于描述图像中物体运动的模式，这在自动驾驶、机器人导航、增强现实等领域有着重要应用。例如，在自动驾驶中，NeuFlow v2能够实时提供周围车辆、行人和障碍物的运动信息，这对于预测它们的行动轨迹和做出避... 阅读全文

加州大学圣地亚哥分校、Hillbot 、 浙江大学和加州大学洛杉矶分校的研究人员推出新型3D重建模型MeshFormer，它能够通过少量的多视角RGB图像和它们的法线图作为输入，快速生成具有精细几何细节的高质量3D纹理网格。简单来说，MeshFormer就像一个高级的3D摄影师，能够用几张不同角度的照片，迅速复原出一个... 阅读全文

字节跳动和上海科技大学的研究人员推出HeadGAP，它可以从极少的图像（甚至是单张图像）创建出逼真且可动的3D头部头像。想象一下，如果你只有一张自己的照片，HeadGAP能够用它来生成一个看起来非常像你，并且可以做出各种表情的3D头像。例如，一个用户想要在虚拟现实世界中拥有一个代表自己的3D头像，他只需要提供一张或几张... 阅读全文

复旦大学、 阿里巴巴达摩院和湖畔实验室的研究人员推出新型图像编辑工具MVInpainter，它能够学习多视角下一致的图像修复技术，以连接二维（2D）图像编辑和三维（3D）场景编辑。简单来说，MVInpainter能够在多个视角的图像中，对缺失或需要编辑的部分进行智能填充和修复，使得编辑后的图像在不同视角下保持一致性。 ... 阅读全文