PulseAugur
中
实时 01:53:13
English(EN) ProSGNeRF: Progressive Dynamic Neural Scene Graph with Frequency Modulated Foundation Model in Urban Scenes

ProSGNeRF 利用动态场景图和基础模型推进三维重建

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 ProSGNeRF，这是一种用于城市环境三维重建的新方法，解决了动态对象和大规模相机运动带来的挑战。该系统利用渐进式场景图网络来学习移动对象和全局场景的局部表示，并为时间窗口动态分配新图。为了处理稀疏的动态对象数据，ProSGNeRF 整合了 DINOv2 基础模型以增强先验建模，并引入了频率调制模块来规范化对象频率。 AI

影响 这项研究推进了三维重建技术，通过更好地处理动态城市场景，有可能改进自动驾驶和虚拟现实等应用。

排序理由 该集群包含一篇详细介绍三维重建新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ProSGNeRF 利用动态场景图和基础模型推进三维重建

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tianchen Deng, Yanbo Wang, Yejia Liu, Chenpeng Su, Jingchuan Wang, Danwei Wang, Shao-Yuan Lo, Weidong Chen ·

    ProSGNeRF：城市场景中具有频率调制基础模型的渐进式动态神经场景图

    arXiv:2312.09076v4 Announce Type: replace Abstract: Implicit neural representation has demonstrated promising results in 3D reconstruction on various scenes. However, existing approaches either struggle to model fast-moving objects or are incapable of handling large-scale camera …

相关实体

相关话题