検索
ホームページテクノロジー周辺機器AICVPR 2024 の高得点論文: NeRF 変換タスクを統合する新しいジェネレーティブ編集フレームワーク GenN2N

CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务

#当社 Web サイトの AIxiv コラムは、学術的および技術的な内容に関するコラムです。過去数年間で、当社ウェブサイトの AIxiv コラムには、世界中の主要な大学や企業のトップ研究室を網羅した 2,000 件を超えるコンテンツが寄せられ、学術交流と普及の促進に貢献しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出メールアドレスは liyazhou@jiqizhixin.com zhaoyunfeng@jiqizhixin.com です。


香港科技大学と清華大学の研究者は、統合生成型 NeRF から NeRF への変換フレームワークである「GenN2N」を提案しました。テキスト駆動の NeRF 編集、カラーリング、超解像度、修復などのさまざまな NeRF 変換タスクを非常に優れたパフォーマンスで実現します。 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务

CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务

  • 論文アドレス: https://arxiv.org/abs/2404.02788
  • 論文のホームページ: https://xiangyueliu.github.io/GenN2N/
  • Github アドレス: https://github.com/Lxiangyue/GenN2N
  • 論文タイトル: GenN2N: Generative NeRF2NeRF Translation

近年、神経放射場 (NeRF) は、コンパクトさ、高品質、多機能性により人気があり、3D再構築、3D生成、新視点合成の分野で広く注目を集めています。ただし、NeRF シーンが作成されると、これらの方法では、結果として得られるジオメトリと外観をさらに制御できないことがよくあります。したがって、NeRF 編集は最近注目に値する研究の焦点となっています。

現在の NeRF 編集方法は通常、NeRF のテキスト駆動編集、超解像度、修復、カラー化などのタスク固有のものです。これらの方法では、タスク固有のドメインに関する大量の知識が必要です。 2D 画像編集の分野では、多機能画像編集をサポートするために、2D 生成モデル Stable Difussion が使用されるなど、汎用的な画像間変換手法を開発する傾向にあります。したがって、基礎となる 2D 生成モデルを利用したユニバーサル NeRF 編集を提案します。

これに伴う課題は、特に画像エディターが異なる視点に対して複数の一貫性のない編集を生成することが多いため、NeRF 画像と 2D 画像の間の表現のギャップです。最近のテキストベースの NeRF 編集手法である Instruct-NeRF2NeRF では、これを検討しています。多視点画像を段階的にレンダリングし、編集してNeRFに集約することで、NeRFシーンを段階的に更新する「レンダリング・編集・集約」プロセスを採用しています。ただし、この編集方法では、特定の編集ニーズに合わせて多くの最適化を行った後、ユーザーが満足しない場合は、反復試行が必要になります。

したがって、さまざまな NeRF 編集タスクに適した汎用の NeRF-to-NeRF フレームワークである「GenN2N」を提案します。その の中核は、このメソッドの生成にあります。は編集プロセスのマルチソリューションの性質を記述するために使用され、ユーザーがジェネレーティブ編集の助けを借りて選択する要件を満たす多数の編集結果を簡単に生成できます。

GenN2N のコア部分では、1) 3D VAE-GAN の生成フレームワークが導入され、VAE を使用して編集空間全体を表現し、セットで 2D 編集を学習します。画像に対応するすべての可能な 3D NeRF 編集分布。編集結果の信頼性を確保するために、GAN を使用して編集 NeRF のさまざまなビューを適切に監視します。 2) 対照学習を使用して、編集内容と視点を分離します。異なる視点間の編集内容の一貫性、3) 推論中、ユーザーは条件付き生成モデルから複数の編集コードをランダムにサンプリングするだけで、編集対象に対応するさまざまな 3D 編集結果を生成します。

さまざまな NeRF 編集タスク (ICCV2023 Oral など) の SOTA 手法と比較して、GenN2N は編集品質、多様性、効率などの点で既存の手法よりも優れています。

#方法の紹介

まず 2D 画像編集を実行し、次にこれらの 2D 画像を編集します画像 3D NeRF にアップグレードして、生成的な NeRF から NeRF への変換を実現します。

A. Latent Distill

Latent Distill モジュールを VAE のエンコーダとして使用し、編集された画像ごとに 1 つを学習します。 NeRF から NeRF への変換中に生成されるコンテンツを制御します。すべての編集コードは、より良いサンプリングを実現するために、KL 損失の制約の下で良好な正規分布に従います。編集内容と視点を分離するために、編集スタイルが同じで視点が異なる画像の編集コードが類似するように、編集スタイルは異なるが視点が同じ画像の編集コードが遠くなるように比較学習を慎重に設計しました。お互いに離れて。

B.NeRF から NeRF への変換 (NeRF の翻訳)

us NeRF -to-NeRF Translation は VAE のデコーダとして使用され、編集コードを入力として受け取り、元の NeRF を変換された NeRF に変更します。元の NeRF ネットワークの隠れ層の間に残差層を追加しました。これらの残差層は編集コードを入力として使用して隠れ層ニューロンを変調するため、変換された NeRF は元の NeRF 情報を保持するだけでなく、3D 変換も制御できます。編集内容に基づいて。同時に、NeRF から NeRF への変換は、敵対的生成トレーニングに参加するためのジェネレーターとしても機能します。最適化ではなく生成することで、複数の変換結果を一度に取得できるため、NeRF 変換効率と結果の多様性が大幅に向上します。

#C. 条件付き識別子

##NeRF レンダリング画像を変換する必要がある生成空間を構成します。これらの写真の編集スタイルとレンダリングの視点は異なるため、生成空間は非常に複雑になります。したがって、識別子の追加情報として条件を提供します。具体的には、識別器が学習データ内の生成者のレンダリング画像
(ネガティブ サンプル) または編集画像
(ポジティブ サンプル) を識別した場合、学習データの画像 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务 から同じ視点の編集画像 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务 を選択します。条件として使用され、ポジティブサンプルとネガティブサンプルを区別する際に、ディスクリミネーターが遠近要因によって干渉されるのを防ぎます。 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务

D. 推論

GenN2N 最適化後、ユーザーは編集コードをランダムにサンプリングできます。正規分布から変換し、変換された NeRF を入力して、編集された高品質でマルチビューの一貫した 3D NeRF シーンを生成します。

実験

NeRF 間のさまざまなタスクを実施しました。 NeRF テキスト駆動の編集、カラー化、超解像度、修復など。実験結果は、GenN2N の優れた編集品質、マルチビューの一貫性、生成された多様性、編集効率を実証しています。

A. テキストベースの NeRF 編集CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务B. NeRF のカラーリング CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务C.NeRF 超解像度 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务D.NeRF 修復 CVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务
比較実験

私たちの手法は、さまざまな特定の NeRF タスク (テキスト駆動型の編集、色付け、スーパー解決と復元など)。結果は、一般的なフレームワークとしての GenN2N がタスク固有の SOTA と同等以上のパフォーマンスを示し、編集結果はより多様性に富んでいることを示しています (以下は、テキストベースの NeRF 編集タスクにおける GenN2N と Instruct-NeRF2NeRF の比較です) )。

#A. テキストベースの NeRF エディターCVPR 2024高分论文:全新生成式编辑框架GenN2N,统一NeRF转换任务
実験と手法の詳細については、こちらをご覧ください。紙のホームページをご覧ください。

チーム紹介

この論文は香港大学の Tan Ping チームによるものです。論文の著者は、清華大学 3DVICI 研究室、上海人工知能研究所、上海 Qizhi Research Institute の学生である Liu Xiangyue 氏、清華大学の学生である Xue Han 氏、および清華大学の学生である Xue Han 氏です。香港科技大学の学生、羅昆明さん 講師は清華大学のイー・リー教授と同大学のタン・ピン先生。

以上がCVPR 2024 の高得点論文: NeRF 変換タスクを統合する新しいジェネレーティブ編集フレームワーク GenN2Nの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事は机器之心で複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
4090生成器:与A100平台相比,token生成速度仅低于18%,上交推理引擎赢得热议4090生成器:与A100平台相比,token生成速度仅低于18%,上交推理引擎赢得热议Dec 21, 2023 pm 03:25 PM

PowerInfer提高了在消费级硬件上运行AI的效率上海交大团队最新推出了超强CPU/GPULLM高速推理引擎PowerInfer。PowerInfer和llama.cpp都在相同的硬件上运行,并充分利用了RTX4090上的VRAM。这个推理引擎速度有多快?在单个NVIDIARTX4090GPU上运行LLM,PowerInfer的平均token生成速率为13.20tokens/s,峰值为29.08tokens/s,仅比顶级服务器A100GPU低18%,可适用于各种LLM。PowerInfer与

思维链CoT进化成思维图GoT,比思维树更优秀的提示工程技术诞生了思维链CoT进化成思维图GoT,比思维树更优秀的提示工程技术诞生了Sep 05, 2023 pm 05:53 PM

要让大型语言模型(LLM)充分发挥其能力,有效的prompt设计方案是必不可少的,为此甚至出现了promptengineering(提示工程)这一新兴领域。在各种prompt设计方案中,思维链(CoT)凭借其强大的推理能力吸引了许多研究者和用户的眼球,基于其改进的CoT-SC以及更进一步的思维树(ToT)也收获了大量关注。近日,苏黎世联邦理工学院、Cledar和华沙理工大学的一个研究团队提出了更进一步的想法:思维图(GoT)。让思维从链到树到图,为LLM构建推理过程的能力不断得到提升,研究者也通

复旦NLP团队发布80页大模型Agent综述,一文纵览AI智能体的现状与未来复旦NLP团队发布80页大模型Agent综述,一文纵览AI智能体的现状与未来Sep 23, 2023 am 09:01 AM

近期,复旦大学自然语言处理团队(FudanNLP)推出LLM-basedAgents综述论文,全文长达86页,共有600余篇参考文献!作者们从AIAgent的历史出发,全面梳理了基于大型语言模型的智能代理现状,包括:LLM-basedAgent的背景、构成、应用场景、以及备受关注的代理社会。同时,作者们探讨了Agent相关的前瞻开放问题,对于相关领域的未来发展趋势具有重要价值。论文链接:https://arxiv.org/pdf/2309.07864.pdfLLM-basedAgent论文列表:

吞吐量提升5倍,联合设计后端系统和前端语言的LLM接口来了吞吐量提升5倍,联合设计后端系统和前端语言的LLM接口来了Mar 01, 2024 pm 10:55 PM

大型语言模型(LLM)被广泛应用于需要多个链式生成调用、高级提示技术、控制流以及与外部环境交互的复杂任务。尽管如此,目前用于编程和执行这些应用程序的高效系统却存在明显的不足之处。研究人员最近提出了一种新的结构化生成语言(StructuredGenerationLanguage),称为SGLang,旨在改进与LLM的交互性。通过整合后端运行时系统和前端语言的设计,SGLang使得LLM的性能更高、更易控制。这项研究也获得了机器学习领域的知名学者、CMU助理教授陈天奇的转发。总的来说,SGLang的

大模型也有小偷?为保护你的参数,上交大给大模型制作「人类可读指纹」大模型也有小偷?为保护你的参数,上交大给大模型制作「人类可读指纹」Feb 02, 2024 pm 09:33 PM

将不同的基模型象征为不同品种的狗,其中相同的「狗形指纹」表明它们源自同一个基模型。大模型的预训练需要耗费大量的计算资源和数据,因此预训练模型的参数成为各大机构重点保护的核心竞争力和资产。然而,与传统软件知识产权保护不同,对预训练模型参数盗用的判断存在以下两个新问题:1)预训练模型的参数,尤其是千亿级别模型的参数,通常不会开源。预训练模型的输出和参数会受到后续处理步骤(如SFT、RLHF、continuepretraining等)的影响,这使得判断一个模型是否基于另一个现有模型微调得来变得困难。无

FATE 2.0发布:实现异构联邦学习系统互联FATE 2.0发布:实现异构联邦学习系统互联Jan 16, 2024 am 11:48 AM

FATE2.0全面升级,推动隐私计算联邦学习规模化应用FATE开源平台宣布发布FATE2.0版本,作为全球领先的联邦学习工业级开源框架。此次更新实现了联邦异构系统之间的互联互通,持续增强了隐私计算平台的互联互通能力。这一进展进一步推动了联邦学习与隐私计算规模化应用的发展。FATE2.0以全面互通为设计理念,采用开源方式对应用层、调度、通信、异构计算(算法)四个层面进行改造,实现了系统与系统、系统与算法、算法与算法之间异构互通的能力。FATE2.0的设计兼容了北京金融科技产业联盟的《金融业隐私计算

220亿晶体管,IBM机器学习专用处理器NorthPole,能效25倍提升220亿晶体管,IBM机器学习专用处理器NorthPole,能效25倍提升Oct 23, 2023 pm 03:13 PM

IBM再度发力。随着AI系统的飞速发展,其能源需求也在不断增加。训练新系统需要大量的数据集和处理器时间,因此能耗极高。在某些情况下,执行一些训练好的系统,智能手机就能轻松胜任。但是,执行的次数太多,能耗也会增加。幸运的是,有很多方法可以降低后者的能耗。IBM和英特尔已经试验过模仿实际神经元行为设计的处理器。IBM还测试了在相变存储器中执行神经网络计算,以避免重复访问RAM。现在,IBM又推出了另一种方法。该公司的新型NorthPole处理器综合了上述方法的一些理念,并将其与一种非常精简的计算运行

14秒就能重建视频,还能变换角色,Meta让视频合成提速44倍14秒就能重建视频,还能变换角色,Meta让视频合成提速44倍Dec 27, 2023 pm 06:35 PM

Meta的视频合成新框架给我们带来了一些惊喜就今天的人工智能发展水平来说,文生图、图生视频、图像/视频风格迁移都已经不算什么难事。生成式AI天赋异禀,能够毫不费力地创建或修改内容。尤其是图像编辑,在以十亿规模数据集为基础预训练的文本到图像扩散模型的推动下,经历了重大发展。这股浪潮催生了大量图像编辑和内容创建应用。基于图像的生成模型所取得的成就基础上,下一个挑战的领域必然是为其增加「时间维度」,从而实现轻松而富有创意的视频编辑。一种直接策略是使用图像模型逐帧处理视频,然而,生成式图像编辑本身就具有

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

AtomエディタMac版ダウンロード

AtomエディタMac版ダウンロード

最も人気のあるオープンソースエディター

Dreamweaver Mac版

Dreamweaver Mac版

ビジュアル Web 開発ツール

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

DVWA

DVWA

Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

mPDF

mPDF

mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。