論文/代碼速遞2022.12.29！

最新成果demo展示：

標題：Panoptic Lifting for 3D Scene Understanding with Neural Fields

主頁：https://nihalsid.github.io/panoptic-lifting/

論文：https://arxiv.org/abs/2212.09802

摘要： 

本文提出了Panoptic Lifting，這是一種從自然場景的圖像中學習全景3D體積表示的新方法。一旦經(jīng)過訓練，我們的模型就可以從新的視點渲染彩色圖像以及3D一致的全景分割。與直接或間接使用3D輸入的現(xiàn)有方法不同，我們的方法只需要從預先訓練的網(wǎng)絡推斷出的機器生成的2D全景分割掩模。我們的核心貢獻是基于神經(jīng)場表示的全景提升方案，該方案生成場景的統(tǒng)一和多視圖一致的3D全景表示。為了解決視圖中2D實例標識符的不一致性，我們基于模型的當前預測和機器生成的分割掩碼，以成本解決線性分配，從而使我們能夠以一致的方式將2D實例提升到3D。我們進一步提出并消除了使我們的方法對噪聲、機器生成的標簽更加魯棒的貢獻，包括置信估計的測試時間增強、段一致性損失、有界分割域和梯度停止。

最新論文整理

   ECCV2022

Updated on : 29 Dec 2022

total number : 1

Spacecraft Pose Estimation Based on Unsupervised Domain Adaptation and on a 3D-Guided Loss Combination

• 論文/Paper: http://arxiv.org/pdf/2212.13415

• 代碼/Code: None

    CVPR2023 投稿

xFBD: Focused Building Damage Dataset and Analysis

• 論文/Paper: http://arxiv.org/pdf/2212.13876

• 代碼/Code: None

   NeurIPS

Updated on : 29 Dec 2022

total number : 2

Escaping Saddle Points for Effective Generalization on Class-Imbalanced Data

• 論文/Paper: http://arxiv.org/pdf/2212.13827

• 代碼/Code: https://github.com/val-iisc/Saddle-LongTail

On the Level Sets and Invariance of Neural Tuning Landscapes

• 論文/Paper: http://arxiv.org/pdf/2212.13285

• 代碼/Code: None