論文の概要: A Survey on 3D-aware Image Synthesis
- arxiv url: http://arxiv.org/abs/2210.14267v1
- Date: Tue, 25 Oct 2022 18:45:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 13:39:16.477301
- Title: A Survey on 3D-aware Image Synthesis
- Title（参考訳）: 3次元認識画像合成に関する調査研究
- Authors: Weihao Xia, Jing-Hao Xue
- Abstract要約: 3D対応生成画像合成は、高忠実度画像を3D一貫性で生成する。
3D対応生成モデルでは、3D情報の導入により、より制御可能な画像生成が可能であることが示されている。
- 参考スコア（独自算出の注目度）: 44.72313108758046
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have seen remarkable progress in deep learning powered visual
content creation. This includes 3D-aware generative image synthesis, which
produces high-fidelity images in a 3D-consistent manner while simultaneously
capturing compact surfaces of objects from pure image collections without the
need for any 3D supervision, thus bridging the gap between 2D imagery and 3D
reality. The 3D-aware generative models have shown that the introduction of 3D
information can lead to more controllable image generation. The task of
3D-aware image synthesis has taken the field of computer vision by storm, with
hundreds of papers accepted to top-tier journals and conferences in recent year
(mainly the past two years), but there lacks a comprehensive survey of this
remarkable and swift progress. Our survey aims to introduce new researchers to
this topic, provide a useful reference for related works, and stimulate future
research directions through our discussion section. Apart from the presented
papers, we aim to constantly update the latest relevant papers along with
corresponding implementations at
https://weihaox.github.io/projects/awesome-3d-aware.
- Abstract（参考訳）: 近年,深層学習によるビジュアルコンテンツ作成が著しい進歩を遂げている。
これには、3Dイメージと3Dリアリティのギャップを埋めることなく、純粋な画像コレクションからオブジェクトのコンパクトな表面を同時にキャプチャし、高忠実な画像を3D一貫性で生成する3D認識生成画像合成が含まれる。
3D対応生成モデルでは、3D情報の導入によりより制御可能な画像生成が可能であることが示されている。
3d認識画像合成のタスクは、コンピュータビジョンの分野を嵐に捉え、過去2年間(主に過去2年間)、数百の論文がトップクラスのジャーナルやカンファレンスに受け入れられたが、この驚くべき、迅速な進歩に関する総合的な調査が欠けている。
本研究の目的は,新たな研究者の紹介,関連研究の参考となる資料の提供,今後の研究方向性の育成である。
提示された論文とは別に、私たちは最新の関連論文をhttps://weihaox.github.io/projects/awesome-3d-awareで常に更新することを目指している。
関連論文リスト
- A Comprehensive Survey on 3D Content Generation [148.434661725242]
3Dコンテンツ生成は学術的価値と実践的価値の両方を示している。
新しい分類法が提案され,既存のアプローチを3Dネイティブ生成法,2D先行3D生成法,ハイブリッド3D生成法という3つのタイプに分類する。
論文 参考訳（メタデータ） (2024-02-02T06:20:44Z) - IPDreamer: Appearance-Controllable 3D Object Generation with Complex Image Prompts [90.49024750432139]
IPDreamerは複雑な$textbfI$mage $textbfP$romptsから複雑な外観特徴をキャプチャし、合成した3Dオブジェクトをこれらの特徴と整合させる。
IPDreamerはテキストと複雑な画像のプロンプトに整合した高品質な3Dオブジェクトを一貫して生成することを示した。
論文 参考訳（メタデータ） (2023-10-09T03:11:08Z) - Deep Generative Models on 3D Representations: A Survey [81.73385191402419]
生成モデルは、新しいインスタンスを生成することによって観測データの分布を学習することを目的としている。
最近、研究者は焦点を2Dから3Dにシフトし始めた。
3Dデータの表現は、非常に大きな課題をもたらします。
論文 参考訳（メタデータ） (2022-10-27T17:59:50Z) - 3D-Aware Video Generation [149.5230191060692]
本研究では, 3D 対応ビデオの生成を学習する 4 次元生成敵ネットワーク (GAN) について検討する。
神経暗黙表現と時間認識判別器を組み合わせることで,モノクラービデオのみを教師する3D映像を合成するGANフレームワークを開発した。
論文 参考訳（メタデータ） (2022-06-29T17:56:03Z) - pi-GAN: Periodic Implicit Generative Adversarial Networks for 3D-Aware
Image Synthesis [45.51447644809714]
高品質な3D画像合成のための新しい生成モデルである周期的インプリシット生成適応ネットワーク(pi$-GAN または pi-GAN)を提案する。
提案手法は,複数の実・合成データセットを用いた3次元認識画像合成のための最先端結果を得る。
論文 参考訳（メタデータ） (2020-12-02T01:57:46Z) - Towards Realistic 3D Embedding via View Alignment [53.89445873577063]
本稿では,3次元モデルを2次元背景画像に現実的に,かつ自動的に埋め込み,新たな画像を構成する,革新的なビューアライメントGAN(VA-GAN)を提案する。
VA-GANはテクスチャジェネレータとディファレンシャルディスクリミネーターで構成され、相互接続され、エンドツーエンドのトレーニングが可能である。
論文 参考訳（メタデータ） (2020-07-14T14:45:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。