3D 视觉

Mesh4D: 4D Mesh Reconstruction and Tracking from Monocular Video

Mesh4D: 从单目视频中进行4D网格重建与跟踪

Zeren Jiang, Chuanxia Zheng, Iro Laina, Diane Larlus, Andrea Vedaldi

机构 * VGG, University of Oxford（视觉研究院、牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室） 纠错

专题命中 三维重建 ：novel view synthesis(abstract)；分类 cs.CV

AI总结 Mesh4D通过紧凑的潜在空间和潜在扩散模型，实现从单目视频中高效重建动态物体的4D网格和运动。

Comments 15 pages, 8 figures, project page: https://mesh-4d.github.io/

Pixel-Perfect Visual Geometry Estimation

像素级视觉几何估计

Gangwei Xu, Haotong Lin, Hongcheng Luo, Haiyang Sun, Bing Wang, Guang Chen, Sida Peng, Hangjun Ye, Xin Yang

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Xiaomi EV（小米电动车） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出像素级视觉几何模型，通过生成建模技术实现高质量无飞像素点云，提升单目和视频深度估计的性能和准确性。

Comments Code: https://github.com/gangweix/pixel-perfect-depth

QNeRF: Neural Radiance Fields on a Simulated Gate-Based Quantum Computer

QNeRF：在模拟的基于门的量子计算机上使用神经辐射场

Daniele Lizzio Bosco, Shuteng Wang, Giuseppe Serra, Vladislav Golyanik

机构 * Department of Mathematics, Computer Science and Physics, University of Udine（数学、计算机科学与物理系，乌迪内大学） ； Department of Biology, University of Naples Federico II（生物学系，那不勒斯费德里科二世大学） ； Max Planck Institute for Informatics, SIC, Saarbrücken, Germany（马克斯·普朗克信息研究所，萨尔布吕肯，德国） 纠错

专题命中 NeRF ：NeRF(abstract)；分类 cs.CV

AI总结 QNeRF是一种基于量子计算的新型视角合成模型，利用量子电路编码空间和视点信息，实现更紧凑的模型和高效的3D表示学习。

Comments 30 pages, 15 figures, 11 tables; project page: https://4dqv.mpi-inf.mpg.de/QNeRF/

Structured Matching via Cost-Regularized Unbalanced Optimal Transport

通过成本正则化的不平衡最优传输实现结构匹配

Emanuele Pardini, Katerina Papagiannouli

机构 * University of Pisa（比萨大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种成本正则化的不平衡最优传输框架，用于在异质空间中匹配测度，提升了单细胞组学数据的对齐效果。

Novel View Synthesis using DDIM Inversion

基于DDIM反向的新型视图合成

Sehajdeep Singh, A V Subramanyam, Aditya Gupta, Sahil Gupta

机构 * Indraprastha Institute of Information Technology（印度普拉斯塔大学信息科技学院） 纠错

专题命中 新视角合成 ：novel view synthesis(title)；分类 cs.CV

AI总结 本文提出基于DDIM反向的轻量级视图合成方法，利用预训练扩散模型生成高质量新视角重建。

From Rays to Projections: Better Inputs for Feed-Forward View Synthesis

从射线到投影：更优质的输入用于前馈视图合成

Zirui Wu, Zeren Jiang, Martin R. Oswald, Jie Song

机构 * HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； University of Amsterdam（阿姆斯特丹大学） ； HKUST（香港科技大学） 纠错

专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出投影条件化方法，通过稳定的2D输入提升视图合成的鲁棒性和一致性，优于传统射线条件化方法。

Comments Project Page: https://wuzirui.github.io/pvsm-web

Discrete Fourier Transform-based Point Cloud Compression for Efficient SLAM in Featureless Terrain

基于离散傅里叶变换的点云压缩用于特征贫乏地形中的高效SLAM

Riku Suzuki, Ayumi Umemura, Shreya Santra, Kentaro Uno, Kazuya Yoshida

机构 * Space Robotics Lab. (SRL), Department of Aerospace Engineering, Tohoku University（空间机器人实验室（SRL）、航空航天工程系、东北大学） 纠错

专题命中 SLAM与定位 ：point cloud(title,abstract)；分类 cs.RO

AI总结 本文提出基于离散傅里叶变换的点云压缩方法，用于高效SLAM在特征贫乏地形中的应用，通过省略高频成分实现数据压缩，同时保持点云质量。

Comments Author's version of a manuscript accepted at the 11th International Conference on Automation, Robotics, and Applications (ICARA). (c) IEEE