V
主页
CVPR 2023 | DINER: 基于深度感知图像的神经辐射场
发布人
本文提出了深度感知的基于图像的神经辐射场(DINER)。给定RGB输入视图的稀疏集合,本文预测深度和特征图以指导体积场景表示的重建,该体积场景表示允许本文在新视图下渲染3D对象。具体地说,本文提出了新的技术,将深度信息纳入特征融合和有效的场景采样。与现有技术相比,DINER实现了更高的合成质量,并且可以处理具有更大视差的输入视图。
打开封面
下载高清视频
观看高清视频
视频下载器
CVPR 2023 | OrienterNet:基于神经匹配的2D公共地图视觉定位
来听大牛说!赵行老师在CVPR 2023年自动驾驶研讨会上发表的演讲
CVPR 2023 | 从几何匹配一致的角度重新思考光流问题
CVPR2023 | 利用神经辐射场提升全景三维场景理解的能力
CVPR 2023 | INSTA: 实时3D头像重建
CVPR 2023最新!基于NeRF监督的深度立体视觉
车道线方案第一名!OpenLane Topology自动驾驶挑战赛(CVPRW2023)
CVPR 2023 | BEVHeight:基于视觉的道路3D目标检测的鲁棒框架
CVPR 2023 | 使用LiDAR强度的无监督内在图像分解
【WACV2023】即插即用!频率感知自监督深度估计SOTA!
CVPR 2023 | 通过点云预测作为4D Occupancy 预测的代理
CVPR'24 | 4K分辨率实时4D 视图合成,好于eNeRF30倍并达到了最先进的渲染质量
英伟达最新 | OmniDrive:用于3D感知、推理和规划功能的自动驾驶大语言模型
CVPR 2023 | Mask DINO:面向检测和分割的统一Transformer最强框架!
多传感器融合!BEV感知融合算法介绍
CVPR'23 | OCTraN:非结构化交通场景中的3D占用卷积Transformer网络
CVPR 2023 | 协同感知在真实世界就不能打了?V2V4Real告诉你很能打!世界首款V2V协同感知数据集
超详细!BEV感知算法的应用介绍
CVPR2023 | 少即是多:降低3D点云语义分割的任务和模型复杂性
ICCV 2023 | CVRecon:重新思考神经重建中三维几何特征学习
ICCV 2023 | NeO 360: 用于户外场景稀疏视图合成的神经场
DeepLSD: 基于深度图像梯度的线段检测与细化
基于交互感知的自动驾驶车辆轨迹规划——神经网络与模型预估计控制的集成
ICCV 2023 | CLNeRF:持续学习遇到NeRF
CVPR2023:Wamyo挑战赛分享(轨迹预测/分割/姿态估计/运动预测)
CVPR 2023:VoxelNeXt:用于3D目标检测和跟踪的全稀疏新框架!
牛津大学最新!室内室外SOTA | 用于视觉重定位的地图相对姿态回归(CVPR'24 HighLight)
没有BEV特征如何做BEV感知?(旷视团队分享PETRv2/StreamPETR/CMT等SOTA方案)
CVPR 2023 面向自动驾驶场景的纯视觉三维语义占有预测
Waabi最新!UnO:用于感知和预测的SOTA模型(超越监督方式)
WACV 2022 | SIDE:具有结构感知实例深度估计的基于中心的立体3D目标检测器
分类突破!自动驾驶中的Occupancy感知方法分类
【CVPR 2024】SIN-SLAM:基于神经隐式表征的稠密语义SLAM
冠军方案!SoccerNet相机标定挑战的第一名解决方案(CVPR2023)
毫米波雷达-视觉融合感知方法(前融合/特征级融合/数据级融合)
端到端自动驾驶离我们还有多远?Think Twice:CVPR 2023闭环新SOTA!
OmniDet:环视鱼眼多任务感知网络(深度估计、视觉里程计、语义和运动分割、目标检测和镜头污染检测)
CVPRW 2023 | 一种新的RGB+深度3D数据集,用于长范围目标跟踪应用
【ICCV 2023】 CORE:协作重建助力多智能体协同感知!
CVPR2022 | 超越COLMAP!面向大规模户外城市环境的辐射场