본문 바로가기

전체 글143

[Notable] Inference time vs Rendering time 1. Inference Time (추론 시간)"모델이 입력을 받아 결과(출력)를 생성하는 데 걸리는 시간"예: 이미지 한 장을 넣었을 때, 모델이 3D 아바타를 생성하는 데 걸리는 시간.보통 딥러닝 네트워크 내부 연산 (forward pass)에 해당해.예를 들어, LHM 모델이 단일 이미지로부터 3D Gaussian 아바타를 만들어내는 데 걸리는 시간이 inference time🕒 시간 범위: 수 초 ~ 수 분📍 포함 내용:이미지 입력 → 3D representation 예측네트워크 연산 및 post-processing 2. Rendering Time (렌더링 시간)"예측된 3D 데이터를 시각적으로 표현(렌더링)하는 데 걸리는 시간"예: 생성된 3D Gaussian 아바타를 화면에 포토리얼리스틱하게.. 2025. 3. 31.

[Notable] NeuS (Neural Implicit Surface) https://lingjie0206.github.io/papers/NeuS/ NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view ReconstructionAbstract We present a novel neural surface reconstruction method, called NeuS (pronunciation: /nuːz/, same as "news"), for reconstructing objects and scenes with high fidelity from 2D image inputs. Existing neural surface reconstruction approaches, such alingjie0206.. 2025. 3. 18.

[Paper Review] SyncDreamer: Generating Multiview-Consistent Images From a Single-View Image https://arxiv.org/abs/2309.03453 SyncDreamer: Generating Multiview-consistent Images from a Single-view ImageIn this paper, we present a novel diffusion model called that generates multiview-consistent images from a single-view image. Using pretrained large-scale 2D diffusion models, recent work Zero123 demonstrates the ability to generate plausible novel views farxiv.org Abstract이 논문에서는 SyncD.. 2025. 3. 18.

[Paper Review] Wonder3D: Single Image to 3D Using Cross-Domain Diffusion https://arxiv.org/abs/2310.15008 Wonder3D: Single Image to 3D using Cross-Domain DiffusionIn this work, we introduce Wonder3D, a novel method for efficiently generating high-fidelity textured meshes from single-view images.Recent methods based on Score Distillation Sampling (SDS) have shown the potential to recover 3D geometry from 2D diffusionarxiv.org 이 논문에서 제시하는 Wonder3D 는 다중 시점 일관성을 유지하는 법선 .. 2025. 3. 13.

[Paper Review] ThemeStation: Generating Theme-Aware 3D assets from Few Exemplars https://arxiv.org/abs/2403.15383 ThemeStation: Generating Theme-Aware 3D Assets from Few ExemplarsReal-world applications often require a large gallery of 3D assets that share a consistent theme. While remarkable advances have been made in general 3D content creation from text or image, synthesizing customized 3D assets following the shared theme of inarxiv.org 문제 정의 가상현실(VR)이나 비디오 게임에서는 테마적으로.. 2025. 3. 11.

[Notable] 다중공선성(Multicollinearity) 다중공선성(Multicollinearity) 이란?: 회귀 분석에서 독립 변수들 간에 강한 상관관계가 존재하는 경우를 의미합니다. 다중공선성이 심하면 회귀 계수의 신뢰성이 낮아지고, 예측 모델의 해석이 어려워진다. 다중공선성이 문제를 일으키는 이유회귀 계수의 불안정성독립 변수들이 강한 상관관계를 가지면, 하나의 변수를 조금만 변경해도 회귀 계수가 크게 변할 수 있습니다.해석의 어려움어떤 독립 변수가 종속 변수에 실제로 영향을 미치는지 파악하기 어려워집니다.통계적 유의성 문제회귀 계수의 p-value 가 높아져 유의하지 않게 나타날 수 있습니다. 다중공선성 예시1. 실생활 예시: 부동산 가격 예측아파트 가격을 예측하는 회귀 모델을 만든다고 가정해 봅시다. 독립 변수로 다음을 포함한다고 가정합니다.전용면적 .. 2025. 3. 4.

이전 1 2 3 4 ··· 24 다음

티스토리툴바