论文/代码速递2022.11.23！

整理：AI算法与图像处理

CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo

ECCV2022论文和代码整理：https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo

最新成果demo展示：

标题：Magic3D: High-Resolution Text-to-3D Content Creation

论文：https://arxiv.org/abs/2211.10440

主页：https://deepimagination.cc/Magic3D/

摘要：

DreamFusion 最近展示了使用预训练的文本到图像扩散模型来优化神经辐射场 (NeRF) 的实用性，实现了显着的文本到 3D 合成结果。然而，该方法有两个固有的局限性：（a）NeRF 的优化极慢和（b）NeRF 上的低分辨率图像空间监督，导致处理时间长的低质量 3D 模型。在本文中，我们通过利用两阶段优化框架来解决这些限制。首先，我们使用低分辨率扩散先验获得粗略模型，并使用稀疏 3D 哈希网格结构进行加速。使用粗略表示作为初始化，我们进一步优化了纹理 3D 网格模型，该模型具有与高分辨率潜在扩散模型交互的高效可微渲染器。我们的方法被称为 Magic3D，可以在 40 分钟内创建高质量的 3D 网格模型，比 DreamFusion 快 2 倍（据报道平均需要 1.5 小时），同时还实现了更高的分辨率。用户研究显示 61.7% 的评分者更喜欢我们的方法而不是 DreamFusion。结合图像条件生成功能，我们为用户提供了控制 3D 合成的新方法，为各种创意应用开辟了新途径。

最新论文整理

ECCV2022

CVPR2022

NeurIPS

Updated on : 23 Nov 2022

total number : 5

Touch and Go: Learning from Human-Collected Vision and Touch

• 论文/Paper: http://arxiv.org/pdf/2211.12498
• 代码/Code: None

Videogenic: Video Highlights via Photogenic Moments

• 论文/Paper: http://arxiv.org/pdf/2211.12493
• 代码/Code: None

Human Evaluation of Text-to-Image Models on a Multi-Task Benchmark

• 论文/Paper: http://arxiv.org/pdf/2211.12112
• 代码/Code: None

VideoMap: Video Editing in Latent Space

• 论文/Paper: http://arxiv.org/pdf/2211.12492
• 代码/Code: None

AdaFocal: Calibration-aware Adaptive Focal Loss

• 论文/Paper: http://arxiv.org/pdf/2211.11838
• 代码/Code: None