DL3DV
PulseAugur coverage of DL3DV — every cluster mentioning DL3DV across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
GeoVerse 框架增强了世界一致性的新视角合成
研究人员推出 GeoVerse，一个新颖的框架，用于从稀疏图像合成世界一致性的新视角。该方法将 3D 基础模型的几何潜在空间与视频生成模型的外观先验相结合。GeoVerse 通过全局空间记忆增强结构完成并确保跨视图一致性，从而在 DL3DV 和 Mip-NeRF360 等基准测试中，在视觉质量和几何一致性方面优于 GLD 等现有方法。
-
新方法增强新视角合成的稳定性和质量 · 已追踪 2 个来源
研究人员开发了新方法来提高新视角合成的稳定性和质量，这是一种从有限的输入图像集中生成场景新视角的技朧。一种名为 CamTrol++ 的方法通过将相机运动分解为小的自回归步骤来稳定过程，以防止误差累积，这对于更长的生成范围尤其有效。另一种名为 RoGe 的方法提出了一个端到端的框架，该框架联合训练隐式场景重建和视频生成模型，允许生成过程直接塑造其几何条件，而无需显式的 3D 中间体。两种方法都在基准数据集上展示了时间一致性和几何准确性的显著改进。
-
SplatGuide 使用 3D 高斯实现无姿态新视角合成 · arXiv
研究人员推出 SplatGuide，一种从无姿态图像生成照片级新视角的新方法。该方法利用 3D 高斯的几何先验，重用单个 3D 高斯泼溅 (3DGS) 场景以扮演多种角色。渲染图像提供几何条件，每个高斯源视图索引实现遮挡感知的参考选择，重建令牌提供特征级引导。SplatGuide 在多个基准测试中取得了最先进的成果，包括 RealEstate10K、DL3DV、Tanks-and-Temples 和 Mip-NeRF 360，甚至在 …
-
QuerySplat 框架解耦 3DGS 几何和外观，以改进渲染
研究人员推出了一种用于 3D 高斯泼溅 (3DGS) 的新颖框架 QuerySplat，旨在通过解耦几何和外观表示来提高渲染保真度。该方法采用双分支基于查询的解码器，其中一个分支利用预训练的视觉几何模型进行空间理解，另一个分支则专注于恢复高频细节。据报道，QuerySplat 在渲染质量上超越了现有的像素对齐和早期基于查询的方法，在 DL3DV 基准测试上取得了最先进的成果。
-
Robust Dreamer 通过新的记忆技术改进增强现实视频生成
研究人员开发了 Robust Dreamer，一个旨在改进动作控制的增强现实（AR）视频生成的新框架。该系统通过使用潜在高斯记忆（Latent Gaussian Memory）来锚定扩散潜在变量，并采用偏差学习（Deviation Learning）和动态偏差档案（Dynamic Deviation Archive）来模拟和纠正推理过程中发生的错误，从而解决了长自回归序列中的视觉漂移和三维不一致等挑战。