본문 바로가기

paper review4

[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.

[Paper Review] 3D Gaussian Splatting for Real-Time Radiance Field Rendering 이 논문 내용으로 들어가기 전에 Pinhole Camera Model 에 대해서 어느 정도 이해를 하고 가면 좋다. Abstract1080p 해상도의 무제한 및 완전한 장면의 렌더링에서는 이전까지는 어떤 방법도 실시간 디스플레이 속도(≥30 fps)를 달성하지 못하고 있다.이 논문에서는 1080p 해상도에서 고품질 실시간(≥30 fps) 새로운 시점 합성을 가능하게 하는 세 가지 주요 요소를 소개한다.1. 3D 가우시안 활용: 카메라 캘리브레이션 과정에서 생성된 희소 포인트를 시작으로, 장면을 3D 가우시안으로 표현하여 연속적인 볼륨기반 Radiance Field 의 장점을 유지하면서 빈 공간에서의 불필요한 계산을 피한다.2. 최적화와 밀도 제어: 3D 가우시안의 비등방성 공분산을 최적화하여 장면을 정.. 2024. 12. 14.

[Paper Review] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation PointNet: Deep Learning on Point Sets for 3D Classification and SegmentationCharles R. Qi* Hao Su* Kaichun Mo Leonidas J. Guibas Stanford University AbstractPoint cloud 는 기하학 데이터 구조에서 중요한 요소이다.기존 연구자들은 Point cloud 의 비규칙적인 구성 때문에 이러한 데이터를 3D voxel girds나 Image collections로 변환했다.=> 이와 같은 경우 데이터를 과도하게 상세하게 저장하거나 처리하는 방식이 불필요하게 많아져서 성능저하나 시스템 문제가 발생할 수도 있다.그리하여, 이 논문에서는 input으로 들어오는 points들의 순열 불변.. 2024. 10. 18.

이전 1 다음

티스토리툴바