computer graphics
PulseAugur coverage of computer graphics — every cluster mentioning computer graphics across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
探讨人工智能、行为科学和计算机图形学主题
此条目是与人工智能、行为科学和计算机图形学相关的链接和主题的集合，重点是改善日常生活。它提到了 SIGGRAPH 和计算语言学协会 (ACL) 作为相关事件或组织。该内容似乎是个人反思或精选列表，而不是新闻报道。
-
新AI模型GIRAF增强了人与物体交互的合成
研究人员开发了GIRAF，一个文本条件扩散模型，旨在生成人与铰接式物体进行交互的逼真场景。这项进展通过实现协调的全身运动来接近、操纵和移动物体，解决了具身AI和计算机图形学中的一个关键挑战。GIRAF的新颖方法利用了以物体为中心的表示、混合域训练策略和基于接触的增强，以实现跨不同物体配置的强大泛化能力，并超越了现有的最先进方法。
-
PhysiFormer 使用坐标空间扩散进行物理上可行的3D物体运动模拟 · 跟踪3个来源
研究人员开发了PhysiFormer，一种能够模拟物理上可行的3D物体运动的新型扩散Transformer。与之前在像素空间操作的方法不同，PhysiFormer直接在世界坐标中处理3D网格，无需显式的归纳偏置。该模型在超过100,000个模拟轨迹上进行训练，在预测刚性和弹性力学方面表现出色，能够泛化到各种材料和物体数量，并在准确性和物理一致性方面优于自回归基线。
-
人工智能销售工具和文本到3D生成技术探索
该集群涵盖两个不同的AI主题：AI工具在增强销售运营中的应用以及文本到3D模型生成方面的最新进展。第一部分详细介绍了AI如何简化销售流程，第二部分探讨了从文本描述创建3D模型不断发展的格局，并强调了其在AI和计算机图形学中的重要性。
-
新型神经网络嵌入李群，用于机器人和控制
研究人员开发了一种名为李群嵌入动力学神经网络（LieEDNN）的新方法，以解决在神经网络中建模连续对称性和非欧几里得动力学所面临的挑战。该方法利用李群（如SO(3)和SE(3)）来表示流形几何，从而为机器人、图形和控制等应用实现稳定且可学习的动力学。所提出的算法通过采用伴随李群作用并将李代数参数化为线性变换，来处理李群与标准加法运算的不兼容性以及在非欧几里得空间中演化的动力学，并在SE(3)上对伸缩机械臂进行了实验验证。
-
REVIVE 3D 通过新颖的增强管线从平面图像生成体量化的 3D 资产
研究人员开发了 REVIVE 3D，一种旨在从平面 2D 图像生成详细 3D 资产的新颖两阶段管线。该系统首先通过恢复全局体量并添加部件感知细节来创建“膨胀先验”，然后使用潜在扩散过程来优化此先验。该方法旨在克服当前生成模型在处理来自有限 3D 线索的体量输出时遇到的局限性。该框架还支持图像条件下的 3D 编辑，并引入了新的指标 Compactness 和 Normal Anisotropy 来评估体量和表面质量。