乐博app在线登录

乐博app在线登录:乐博app在线登录4篇论文被ECCV‘2024接收

发布时间:2024-07-03 点击:次

 

    ECCV,全称为European Conference on Computer Vision,即欧洲计算机视觉国际会议,是计算机视觉领域中最顶级的会议之一,与ICCV(International Conference on Computer Vision)和CVPR(Conference on Computer Vision and Pattern Recognition)并称为计算机视觉领域的“三大顶会”。ECCV每两年举行一次,会议内容广泛覆盖了计算机视觉的所有子领域,包括但不限于图像识别、物体检测、场景理解、视觉跟踪、三维重建、深度学习在视觉中的应用等。乐博app在线登录的老师和同学作为主要作者有4篇论文被该会议接收。



论文题目:SemanticHuman-HD: High Resolution Semantic Disentangled 3D Human Generation

第一作者:郑鹏

指导教师:马锐

会议名称:ECCV 2024

会议类别:清华A类会议

论文概述:

    得益于神经辐射场和生成模型的发展,许多方法只需要利用2D图像进行训练便可以生成3D人体。这些方法允许控制生成的 3D 人体的姿势,并能够从不同视角进行渲染。然而,这些方法都没有探索3D人体生成中的语义解耦,即它们无法独立生成不同语义部件(如身体、上衣、下装和外套等)。此外,由于神经辐射场的计算消耗高,现有方法只能生成低分辨率(512)的3D人体。为了解决这些限制,我们提出 SemanticHuman-HD,这是首个实现语义解耦的3D人体生成的方法,同时也是首个实现高分辨率(1024)3D人体生成的方法。SemanticHuman-HD采用两阶段生成策略,在阶段一,利用K个3D生成器联合生成,每个生成器生成一个低分辨率的神经辐射。浣R桓鲇镆宀考。在阶段二,利用所提出的3D感知超分辨率模块对阶段一的生成结果进行超分辨率,实现高效率的高分辨率3D人体生成。我们在DeepFashion数据集上进行了实验,实验结果表明了本方法在生成质量以及语义解耦能力上的优越性。同时,我们的方法也得以支持一些特有的应用,如语义感知的虚拟试衣、语义解耦的3D人体生成和3D服装生成与重建等。



    乐博app在线登录杨溪老师、考古学院古籍所李春桃老师,共同指导的2022级博士研究生周日鑫的论文《PairingNet: A Learning-based Pair-searching and -matching Network for Image Fragments》被计算机视觉顶级会议ECCV 2024接收。

    周日鑫同学一直从事计算机视觉与考古领域交叉的研究工作,本篇工作与本院硕士研究生庞宏林、东京大学博士研究生夏鼎、国防科技大学张逸老师合作完成。

论文题目:PairingNet: A Learning-based Pair-searching and -matching Network for Image Fragments

第一作者:周日鑫

会议名称: European Conference on Computer Vision (ECCV 2024)

会议类别:CCF B类会议、清华推荐A类

论文概述:

    考古研究中存在大量碎片拼接问题。本文提出了一种基于学习的图像碎片搜索和匹配算法,以解决具有挑战性的图像碎片拼接问题。现有工作使用基于规则的方法来匹配相似的图像碎片轮廓或纹理,但是这些方法存在超参数调节难度大和计算耗时的问题。我们提出的PairingNet使用基于学习的方式,可以有效地利用图像碎片的邻近纹理和轮廓形状信息,从根本上提高碎片拼接性能和效率。具体来说,首先我们使用图神经网络来提取图像碎片的局部轮廓特征和纹理特征。然后,对于搜索任务,我们采用了基于 transformer的模块来整合这些局部特征,并使用对比学习损失来学习每个片段的全局特征。对于碎片拼接任务,我们设计了一个加权融合模块来动态融合提取的局部轮廓特征和纹理特征,并为每对碎片计算相似度矩阵,以计算匹配分数并推断轮廓的相邻位置。为了全面地评估我们提出的模型,我们设计了一个新的碎片生成算法创建了一个新的图像碎片数据集,该算法可以将完整的图像撕裂成不规则的碎片。实验结果表明,我们提出的模型在图像碎片搜索和拼接任务上可以取得优异的性能,并且显著降低了计算时间。



论文题目:Exploring Vulnerabilities in Spiking Neural Networks: Direct Adversarial Attacks on Raw Event Data

作者信息:Yanmen Yao, Xiaohan Zhao, Huan Xiong, Bin Gu*




论文题目:FTBC: Forward Temporal Bias Correction for Optimizing ANN-SNN Conversion

作者信息:Xiaofeng Wu*, Velibor Bojkovic, Bin Gu*, Kun Suo, Kai Zou






乐博app在线登录(中国)有限公司