实体
3D computer vision
3D computer vision
PulseAugur coverage of 3D computer vision — every cluster mentioning 3D computer vision across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法增强 Transformer 可扩展性并减轻 AI 模型中的位置偏差 · 跟踪 4 个来源
研究人员开发了两种新方法来提高 Transformer 模型的性能和可扩展性。一种方法 DPPE（解耦姿态位置编码）通过分离位置编码中的旋转和翻译信息来解决 3D 计算机视觉中的问题，从而在新的视图合成任务中实现更稳定的长期训练和更好的泛化能力。另一种方法 LPES（层特定的位置嵌入缩放）通过为每个层的 positional embeddings 应用独特的缩放因子来解决大型语言模型中的“中间丢失”问题，从而平衡注意力分布并在不增加延…
-
双像素传感器在无参照物的情况下解决三维重建尺度模糊问题
研究人员开发了一种名为DP-SfM的新方法，该方法可以使用双像素传感器解决三维重建中的尺度模糊问题。该技术利用双像素图像中存在的离焦模糊，在无需已知尺寸参照物的情况下确定场景的绝对尺度。该方法包括估计绝对尺度，然后通过考虑跨视图模糊核来优化图像对齐，并在各种场景和相机设置中证明了其有效性。
-
双像素传感器实现无尺度模糊的3D重建
研究人员开发了一种名为DP-SfM的新方法，该方法可以从双像素传感器图像进行3D重建，而无需已知尺寸的参考对象。该技术利用双像素图像中存在的散焦模糊来解决多视图3D重建中通常存在的尺度模糊问题。所提出的方法包括一个用于估计绝对尺度的线性方法，然后是一个用于对齐图像的优化阶段，并在各种场景和相机上显示了有效性。