XiaoMi-AI文件搜索系统
World File Search System辐射场
触觉增强的辐射场 - CVF Open Access
我们提出了一个场景表示形式，我们称之为触觉的辐射场（TARF），它将视觉和触摸带入共享的3D空间。此表示形式可用于估计场景中给定3D位置的视觉和触觉信号。我们从一系列照片和稀疏采样触摸探针中捕获了场景的tarf。我们的方法利用了两个见解：（i）基于常见的触摸传感器建立在普通摄像机上，因此可以使用多视图几何形状中的方法对图像进行注册，并且（ii）在视觉和结构上相似的场景区域具有相同的触觉效果。我们使用这些见解将触摸信号注册到捕获的视觉场景中，并训练有条件的扩散模型，该模型带有从神经辐射场呈现的RGB-D图像，生成其相应的触觉信号。为了评估我们的方法，我们收集了一个TARF的数据集。此数据集比预先持有的现实世界数据集包含更多的触摸样本，并且为每个捕获的触摸信号提供了空间对齐的视觉信号。我们揭示了跨模式生成模型的准确性以及在下游任务上捕获的视觉效果数据的实用性。项目页面：https：// dou- yiming.github.io/tarf。
Zignerf：带有可逆生成神经辐射场
生成的神经辐射场（NERF）通过学习一组未经未介绍的图像的分布来综合多视图图像，表现出非常熟练的熟练程度。尽管现有的生成nerf具有在数据分布中生成3D一致的高质量随机样本的才能，但创建单数输入图像的3D表示仍然是一个巨大的挑战。在此手稿中，我们介绍了Zignerf，这是一种创新的模型，该模型执行零击生成的对抗网（GAN）倒置，以从单个脱离分布图像中生成多视图。该模型的基础是一个新型逆变器的基础，该逆变器映射到了发电机歧管的潜在代码中。毫无意义，Zignerf能够将对象从背景中解散并执行3D操作，例如360度旋转或深度和水平翻译。使用多个实数数据集对我们的模型的效率进行验证：猫，AFHQ，Celeba，Celeba-HQ和Compcars。
GSCORE：通过3D高斯脱落的架构支撑效率的有效辐射场渲染
摘要本文介绍了GSCORE，这是一个硬件加速器单元，该单元有效地执行了使用算法优化的3D Gauss-ian剥落的渲染管道。GSCORE基于对基于高斯的辐射场渲染的深入分析的观察，以提高计算效率并将技术带入广泛采用。在此过程中，我们提出了几种优化技术，高斯形状感知的交叉测试，分层排序和下图跳过，所有这些都与GSCORE协同集成。我们实施了GSCORE的硬件设计，使用商业28NM技术进行合成，并评估具有不同图像分辨率的一系列合成和现实世界场景的性能。我们的评估要求表明，GSCORE在移动消费者GPU上实现了15.86倍的速度，其面积较小，能源消耗较低。
计算机视觉中的神经辐射场
神经场景表示和渲染（NSR）：基于NERF的基本原理，神经场景表示和渲染方法（NSR）方法迈出了进一步的步骤，以完善3D场景的刻画。NSR引入了创新的概念，例如层次表示和神经渲染，从而促进了复杂的场景创建并优化渲染效率。多视神经表面重建：专注于三维空间中对象表面的恢复，多视神经表面重建技术利用了单个对象的多个视图。通过利用神经网络的功能，它了解了图像及其相应的三维表面之间的复杂相互作用。这促进了重建中精度和细节的实现。
在神经辐射场中学习重新分解和内在分解
从神经辐射场中提取固有组件（例如重新传播和阴影）的任务越来越感兴趣。然而，当前方法在合成场景和孤立的对象上很大程度上有效，忽视了具有背景的真实场景的复杂性。为了弥补这一差距，我们的研究引入了一种与内在分解相关的方法。通过杠杆式的灯光变化，以生成伪标签，我们的方法为固有分解提供了指导，并需要地面真相数据。我们的方法以物理约束为基础，可确保各种场景类型的鲁棒性，并减少对预先训练的模型或手工制作的先验的依赖。我们在合成和现实世界数据集上验证了我们的方法，从而实现了令人信服的重新研究。此外，我们的方法对图像编辑任务的适用性展示了有希望的结果。
3D可见性 - 可见的可通用的神经辐射场，用于相互作用的手
神经辐射场（NERFS）是场景，物体和人类的有希望的3D代表。但是，大多数措施方法都需要多视图输入和每场培训，这限制了其现实生活中的应用。此外，熟练的方法集中在单个受试者的情况下，留下涉及严重障碍和挑战性视图变化的互动手的场景。为了解决这些问题，本文提出了一个可见的可见性 - 可见性的NERF（VA-NERF）框架，用于互动。具体来说，给定相互作用的手作为输入的图像，我们的VA-NERF首先获得了基于网格的手表示，并提取了相应的几何和质地。随后，引入了一个功能融合模块，该模块利用了查询点和网格顶点的可见性，以适应双手的特征，从而可以在看不见的区域的功能中进行重新处理。此外，我们的VA-NERF与广告学习范式中的新型歧视者一起进行了优化。与传统的分离器相反，该官员预测合成图像的单个真实/假标签，提议的判别器生成了一个像素的可见性图，为看不见的区域提供了精细的监督，并鼓励VA-NERF提高合成图像的视觉质量。互惠2.6m数据集的实验表明，我们所提出的vanerf的表现明显优于常规的nerfs。项目页面：https：//github.com/xuanhuang0/vanerf。
SILVR：可伸缩的LIDAR-VISUAL-VISUAL RETUSTRUTION，具有机器人检查的神经辐射场
摘要 - 我们提出了一个基于神经场的大规模重构系统，该系统融合了激光雷达和视力数据，以生成几何准确的高质量重建，并捕获光真逼真的纹理。该系统适应了状态的神经辐射场（NERF）表示，还结合了LiDAR数据，该数据在深度和表面正常上增加了强大的几何约束。我们利用轨迹从实时激光雷达大满贯系统来引导结构 - 从运动（SFM）程序进行启动，以显着降低组合时间，并提供对大暴力深度损失至关重要的度量标准。我们使用沉积将系统扩展到在长轨迹上捕获的大规模环境。我们通过来自多台摄像机，LIDAR传感器套件的腿部机器人的数据，在扫描600米的扫描建筑场景时进行手持式机器人，并在船上进行空中机器人，调查多层模拟模拟灾难现场建造的空中机器人。网站：https：//ori.ox.ac.uk/labs/drs/nerf-mapping/
一个约束的神经辐射场（NERF），用于在一个角度完美捕获输入图像，简化了现有的图像到3D方法TLDR：
Xu，Dejia等。“ Neurallift-360：将野外2D照片提升到具有360度视图的3D对象。”IEEE/CVF计算机视觉和模式识别会议的会议记录。2023。2。
欧洲核子研究中心 CLEAR 加速器上 200MeV 电子在目标上产生的辐射场分析
摘要 — 高能电子与物质相互作用产生的辐射簇射包括能量分布峰值为 MeV 级的中子，这些中子是通过光核反应产生的，可以测量电子设备中中子诱导的单粒子效应 (SEE)。在这项工作中，我们研究了一种装置，其中欧洲核子研究中心 [Centre Européen pour la Recherche Nucléaire (CERN)] 的 CLEAR 加速器的 200 MeV 电子束被引导到铝靶上以产生具有大中子分量的辐射场。通过测量特性良好的静态随机存取存储器 (SRAM) 中的单粒子翻转 (SEU) 和闩锁率以及被动式无线电光致发光 (RPL) 剂量计中的总电离剂量 (TID)，并将结果与 FLUKA 模拟的预测进行比较，对由此产生的环境进行了分析。我们发现，用铅制成的横向屏蔽可保护 SRAM 免受过高的 TID 率影响，从而为 SEU 测量提供最佳配置，尤其是在对 MeV 级中子高度敏感的 SRAM 中。相对于基于散裂靶或放射源的标准中子设施，此设置提供了一种有趣的补充中子源。