实体
RayRoPE
RayRoPE
PulseAugur coverage of RayRoPE — every cluster mentioning RayRoPE 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
-
新的G-ray编码在异构相机下改进了多视图视觉Transformer
研究人员开发了G-ray，一种新颖的射线级相对几何位置编码，专为多视图视觉Transformer设计。该方法通过使用相机局部射线角度参数化旋转相位来解决相机异构性带来的挑战，例如视场角或投影模型的变化。G-ray确保了投影不变的位置一致性，并且可以在不增加额外学习参数的情况下与现有编码集成。在3D重建和新视角合成基准上的评估显示出显著的改进，包括在异构3D重建任务上平均点图相对误差降低了45.8%。
-
Apple 发布 RayRoPE 用于多视图 Transformer 位置编码
Apple Machine Learning Research 推出了 RayRoPE，一种专为多视图 Transformer 设计的新型位置编码方法。这种新方法独特地编码图像块，实现 SE(3)-不变注意力，并适应场景几何。RayRoPE 使用相关的射线及其上的预测点来表示图像块位置，从而实现几何感知编码。它在新视图合成和立体深度估计等任务上展示了显著的改进，性能优于现有的位置编码方案。
-
RayRoPE 引入用于多视图 3D 注意力的投影位置编码
研究人员开发了 RayRoPE，这是一种专为 3D 计算机图形学中的多视图 Transformer 设计的新型位置编码方法。这种新方法独特地编码图像块，实现 SE(3) 不变注意力，并通过预测 token 深度来适应底层 3D 场景几何。RayRoPE 在新视图合成和立体深度估计等任务中展现出了一致的改进，在 RE10K 数据集上 LPIPS 相对提高了 24%。