2D computer graphics
PulseAugur coverage of 2D computer graphics — every cluster mentioning 2D computer graphics across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Stream3Dv2框架通过几何语义融合增强零样本3D场景理解
研究人员开发了Stream3Dv2，一个用于鲁棒、零样本3D场景理解的新型框架，采用流式RGB-D输入。这种无需训练的方法通过采用嵌套的局部到历史架构和几何语义融合机制，解决了处理序列数据和2D分割掩码中的噪声的局限性。Stream3Dv2将3D分割表述为点集合并问题，并使用基于流形距离的细化来改善边界描绘。实验表明，它在流式3D分割和检测方面优于现有方法，并且可以与基于LLM的代理集成，以实现更高级的语言驱动3D场景理解。
-
新的GFrame框架利用三维几何改进图像篡改检测 · 跟踪2个来源
研究人员开发了一个名为GFrame的新框架，通过整合三维几何线索来改进图像篡改定位。传统方法依赖二维取证证据，当篡改区域无缝融合时，其有效性会降低。GFrame通过使用单目重建来提取深度和表面法线来解决这个问题，但关键在于它在利用重建的几何信息之前会估计其可靠性。这种方法将可靠的几何信息与RGB特征融合，提高了细粒度定位的准确性，并在预算限制下优于现有方法。
-
新的 Traj-VLN 方法训练视觉语言模型在像素空间中进行导航
研究人员开发了 Traj-VLN，一种用于连续环境视觉语言导航（VLN-CE）的新方法。该方法侧重于训练视觉语言模型（VLM）直接在二维像素空间中生成导航轨迹，从而绕过了 VLM 通常缺乏的显式三维几何信息。该模型预测一系列像素坐标，以根据语言指令和历史观察指导具身智能体穿越未知环境。实验表明，这种像素空间轨迹监督显著提高了 VLN 的性能，在资源利用效率高的情况下取得了最先进的成果。
-
新型无网格损失将神经表示拟合速度提高了 250 倍
研究人员为隐式神经表示开发了一种新颖的无网格辅助损失函数，利用源自 Minkowski 函数的过零密度。该方法提供了显著的速度提升，比传统的持久同调损失快约 250 倍。虽然在二维中能有效修复拓扑和保持保真度，但该技术在三维中面临挑战，在三维中，梯度下降可能会掩盖低于采样密度的拓扑噪声，从而影响准确性。
-
AI流水线利用二维投影识别颈椎骨折
研究人员开发了一种新颖的AI流水线，用于识别颈椎骨折，该流水线无需进行完整的脊椎三维分割。该系统首先使用YOLOv8检测器在CT扫描的二维投影中定位感兴趣区域。随后，DenseNet121-Unet模型从这些投影中估计脊椎掩码，然后将这些掩码融合为近似的三维掩码。这些派生的体积由CNN-Transformer集成进行分析，在较低维空间中运行，实现了与完整三维分割方法相当的性能。
-
GENA3D框架整合二维先验与三维推理，实现非模态三维建模
研究人员开发了GENA3D，一个用于从不完整视觉数据生成完整三维物体模型的新框架。该方法有效地弥合了提供强大外观信息的二维生成先验与确保结构一致性的三维几何推理之间的差距。GENA3D通过使用交叉注意力机制来对齐多视图图像，并将生成预测锚定在空间关系中，从而实现更合理、几何上更精确的三维重建。
-
LLM 编排绝缘体上硅定向耦合器设计
研究人员开发了一种大型语言模型 (LLM) 智能体，能够编排绝缘体上硅 (SOI) 定向耦合器的设计。该智能体提出几何尺寸并判断收敛性，同时依赖确定性求解器进行实际的物理计算。频域本征模式求解器确定耦合系数，而时域有限差分 (FDTD) 阶段验证设计，确保在二维有效折射率模型内的一致性。LLM 成功交付了一个残差误差极小的 50/50 分束器。
-
SpatialSV框架通过可解释的视觉监督增强MLLMs的3D空间感知能力
研究人员推出SpatialSV，一个旨在增强多模态大语言模型（MLLMs）3D空间感知能力的新框架。与依赖外部工具或不透明特征蒸馏的现有方法不同，SpatialSV将此能力直接内化到模型中。它通过面向任务的视觉监督来实现这一点，指导MLLMs将2D视觉特征转换为显式的3D表示，如深度图、相机姿态和点云。此过程不仅提高了空间智能，还通过可视化和诊断模型内部空间知识提供了可解释性。
-
三维MRI分割框架揭示二维与三维模型不同的优化需求
研究人员开发了一种新颖的弱监督学习框架，用于分割三维MRI数据，解决了体积标注有限的挑战。他们的研究表明，对二维模型有益的技术，如强空间增强和软标签，在应用于基于伪标签训练的三维模型时会降低性能。此外，以人为中心的预处理，如对比度增强，可能会通过破坏全局统计线索而对三维模型的准确性产生负面影响。
-
UniCorrn Transformer 统一跨模态的2D和3D几何匹配
研究人员推出UniCorrn，这是一种新颖的、基于Transformer的模型，旨在统一跨越各种视觉数据的几何匹配。该模型可以使用共享权重处理2D图像之间、2D图像与3D点云之间以及3D点云本身之间的对应任务。UniCorrn采用双流解码器来维护独立的外观和位置特征，从而实现跨异构模态的端到端学习和基于查询的灵活估计。该模型表现强劲，在2D-3D和3D-3D匹配基准测试中，其性能显著优于先前最先进的方法。