CVPR

StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation

StdGEN++: 一种用于语义分解3D人物生成的综合性系统

Yuze He, Yanning Zhou, Wang Zhao, Jingwen Ye, Zhongkai Wu, Ran Yi, Yong-Jin Liu

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Tencent AIPD（腾讯AIPD） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

AI总结 StdGEN++是一种基于双分支语义感知模型的综合性系统，通过语义分解和高效生成技术，实现高保真3D人物生成，适用于自动化角色资产生产。

Comments 13 pages, 12 figures. Extended version of CVPR 2025 paper arXiv:2411.05738

Learning Dynamic Collaborative Network for Semi-supervised 3D Vessel Segmentation

学习动态协作网络用于半监督3D血管分割

Jiao Xu, Xin Chen, Lihe Zhang

机构 * Dalian University of Technology（大连理工大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 DiCo通过动态协作网络和多视图整合模块，提升半监督3D血管分割性能

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2025

CLOC: Contrastive Learning for Ordinal Classification with Multi-Margin N-pair Loss

CLOC：基于多边距n对损失的有序分类对比学习

Dileepa Pitawela, Gustavo Carneiro, Hsiang-Ting Chen

机构 * University of Adelaide, Australia（阿德莱德大学） ； CVSSP, University of Surrey, UK（Surrey 大学计算机视觉与模式识别研究所） 纠错

AI总结 CLOC通过多边距n对损失提升有序分类性能，实现灵活决策边界和可解释的有序表示。

Comments Accepted in CVPR 2025