AI/NERF, GaussianSplatting9 D3GA - Drivable 3D Gaussian Avatars 배우 1 | 테스트 | 360° 왼쪽부터: 관절 각도, 예측 신체 케이지, 예측 상부 케이지, 예측 하부 케이지, 3D 가우시안, 의류 부품, 최종 이미지 https://zielon.github.io/d3ga/ D3GA - Drivable 3D Gaussian Avatars D3GA - Drivable 3D Gaussian Avatars zielon.github.io 우리는 가우스 스플랫(Gaussian splats )으로 렌더링된 인체에 대한 최초의 3D 제어 가능 모델인 Drivable 3D Gaussian Avatars( D3GA )를 제시합니다 . 현재의 사실적인 운전 가능 아바타에는 훈련 중 정확한 3D 등록, 테스트 중 조밀한 입력 이미지 또는 둘 다가 필요합니다. 신경 방사 필드를 기반으로 .. 2024. 1. 18. [논문리뷰] 3D Gaussian Splatting for Real-Time Radiance Field Rendering arXiv 2023. [Paper] [Page] [Github] Bernhard Kerbl, Georgios Kopanas, Thomas Leimkühler, George Drettakis Inria | Max-Planck-Institut für Informatik 8 Aug 2023 IntroductionPermalink 메쉬와 포인트는 명시적이며 빠른 GPU/CUDA 기반 rasterization에 적합하기 때문에 가장 일반적인 3D 장면 표현이다. 대조적으로, 최근 NeRF는 연속적인 장면 표현을 기반으로 하며 일반적으로 캡처된 장면의 새로운 뷰 합성을 위해 volumetric ray-marching을 사용하여 MLP를 최적화한다. 마찬가지로, 현재까지 가장 효율적인 radiance field 솔루.. 2024. 1. 16. Adaptive Shells for Efficient Neural Radiance Field Rendering NVIDIA 연구 논문에서는 '효율적인 신경 방사 필드 렌더링을 위한 적응형 셸(Adaptive Shells for Efficient Neural Radiance Field Rendering)'을 소개합니다. 이 기술은 체적 렌더링의 효율성과 표면 기반 접근 방식의 세부 사항 간의 균형을 맞추는 방법인 적응형 셸을 사용하여 3D 장면의 렌더링을 향상시킵니다. 이는 머리카락이나 가구와 같은 복잡한 텍스처를 실시간으로 렌더링하는 데 특히 유용합니다. 이 접근 방식은 렌더링 영역에 경계 메시를 사용하여 속도와 시각적 충실도를 모두 향상시킵니다. 이는 시뮬레이션과 애니메이션의 응용 분야에서 상당한 발전입니다. 자세한 내용은 여기에서 전체 문서를 읽을 수 있습니다. https://research.nvidia.co.. 2024. 1. 7. GPS-Gaussian 논문 "GPS-Gaussian: 실시간 인간 신규 뷰 합성을 위한 일반화 가능한 픽셀별 3D 가우시안 스플래팅"은 실시간으로 캐릭터의 새로운 시점을 합성하는 새로운 방법을 제시합니다. 이는 소스 뷰에 정의된 가우시안 파라미터 맵을 도입하며, 직접적인 새로운 뷰 합성을 위해 가우시안 스플래팅 속성을 회귀합니다. 이 방법은 대량의 인간 스캔 데이터에서 가우시안 파라미터 회귀 모듈을 훈련시키며, 2D 파라미터 맵을 3D 공간으로 상승시키는 깊이 추정 모듈과 함께 작동합니다. 이 완전히 차별화된 프레임워크는 다양한 데이터셋에서 최신 방법들보다 우수한 성능과 속도를 보여줍니다. https://youtu.be/F4ePJtkRlgY 논문에선 16개의 카메라를 사용하여 구성하였습니다. https://github.com.. 2024. 1. 1. 이전 1 2 3 다음
