[B! GAN][differentiable] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

GANとdifferentiableに関するarxiv_readerのブックマーク (42)

https://arxiv-check-250201.firebaseapp.com/each/2408.05416v1
arxiv_reader 2024/08/13
attention

landmark

representation

arXiv reaDer

synthesis

video

face

differentiable

GAN

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2405.04902v1
arxiv_reader 2024/05/09
dataset

differentiable

saliency

arXiv reaDer

augmentation

synthesis

GAN

attention

arXiv

regularization
リンク
Diff-Instruct: 事前トレーニングされた拡散モデルから知識を転送するための普遍的なアプローチ
arxiv_reader 2024/01/17
トレーニングの容易さ、拡張性、およびサンプル品質の高さにより、拡散モデル (DM) は生成モデリングの推奨オプションとなっており、さまざまなデータセットに多数の事前トレーニング済みモデルが利用可能です

dataset

adversarial

differentiable

arXiv reaDer

arXiv

generative

learning

pre-training

GAN
リンク
https://arxiv-check-250201.firebaseapp.com/each/2205.15677v5
arxiv_reader 2023/12/29
representation learning

augmentation

arXiv reaDer

GAN

arXiv

dataset

self-supervised

differentiable
リンク
https://arxiv-check-250201.firebaseapp.com/each/2205.15677v4
arxiv_reader 2023/12/20
dataset

self-supervised

differentiable

augmentation

arXiv reaDer

representation learning

arXiv

GAN
リンク
https://arxiv-check-250201.firebaseapp.com/each/2205.15677v3
arxiv_reader 2023/11/01
differentiable

arXiv

dataset

augmentation

representation learning

GAN

arXiv reaDer

self-supervised
リンク
レイヤードサーフェスボリュームを使用した効率的な 3D 多関節人間生成
arxiv_reader 2023/07/12
高品質で多様な 3D 表現されたデジタルヒューマンアセットへのアクセスは、仮想現実からソーシャルプラットフォームに至るまで、さまざまなアプリケーションにおいて重要です。 3D 敵対的生成ネット

GAN

arXiv

3D

manifold

dataset

differentiable

representation

human

mesh

arXiv reaDer
リンク
Diff-Instruct: 事前トレーニングされた拡散モデルから知識を転送するための普遍的なアプローチ
arxiv_reader 2023/05/31
トレーニングの容易さ、拡張性、およびサンプル品質の高さにより、拡散モデル (DM) は生成モデリングの推奨オプションとなっており、さまざまなデータセットに多数の事前トレーニング済みモデルが利用可能です

pre-training

dataset

arXiv

adversarial

generative

GAN

arXiv reaDer

learning

differentiable
リンク
データ効率の高い GAN トレーニングのための拡張を意識した自己監視
arxiv_reader 2023/05/25
弁別器は過剰適合する傾向があるため、限られたデータで敵対的生成ネットワーク (GAN) をトレーニングするのは困難です。以前に提案された微分可能拡張は、GAN のトレーニングのデータ効率の向上を示して

dataset

representation learning

arXiv reaDer

GAN

differentiable

augmentation

arXiv

self-supervised
リンク
OmniAvatar: ジオメトリに基づいて制御可能な 3D ヘッド合成
arxiv_reader 2023/03/29
OmniAvatar は、カメラのポーズ、顔の表情、頭の形を完全に解きほぐした制御の下で、説得力のある動的な詳細を備えた多様なアイデンティティ保存 3D 頭を合成できる、野生の非構造化画像からトレーニ

face

pose

differentiable

GAN

disentangling

3D

arXiv

synthesis

arXiv reaDer
リンク
LSAP: GAN 潜在空間における反転忠実度、知覚、編集可能性の再考
arxiv_reader 2023/03/17
メソッドが進化するにつれて、反転は主に 2 つのステップに分けられます。最初のステップは画像の埋め込みで、エンコーダーまたは最適化プロセスが画像を埋め込み、対応する潜在コードを取得します。その後、2

arXiv

differentiable

reconstruction

metric

synthesis

embedding

arXiv reaDer

GAN

domain
リンク
相互情報誘導確率拡散によるゼロショット学習クロスモダリティデータ変換
arxiv_reader 2023/02/01
クロスモダリティデータ変換は、画像コンピューティングに大きな関心を集めています。深い生成モデル (GAN など) は、これらの問題に取り組む際のパフォーマンスの向上を示しています。それにもかかわらず

dataset

domain

generative

zero-shot

unsupervised

differentiable

denoising

GAN

arXiv

arXiv reaDer
リンク
NeRFEditor: フル 3D シーン編集のための微分可能なスタイル分解
arxiv_reader 2022/12/08
3D シーン編集用の効率的な学習フレームワークである NeRFEditor を紹介します。これは、360 度にわたってキャプチャされたビデオを入力として受け取り、高品質でアイデンティティを保持する定型

self-supervised

pre-training

3D

learning

arXiv

benchmark

GAN

differentiable

video

arXiv reaDer
リンク
3inGAN: 自己相似シーンの画像から 3D 生成モデルを学習する
arxiv_reader 2022/11/29
単一の自己相似 3D シーンの 2D 画像からトレーニングされた無条件の 3D 生成モデルである 3inGAN を紹介します。このようなモデルを使用して、空間潜在コードを 3D ボリューム表現にマッピ

arXiv

GAN

3D

synthesis

arXiv reaDer

differentiable

learning

representation

spatio-temporal
リンク
深い生成モデルによって正則化された逆問題の微分可能なガウス化層
arxiv_reader 2022/11/22
GAN、正規化フロー、拡散モデルなどの深い生成モデルは、逆問題の強力な正則化器です。それらは、不適切な姿勢を減らし、高品質の結果を達成するのに役立つ大きな可能性を示しています.ただし、このような深い生

GAN

differentiable

MRI

arXiv reaDer

generative

arXiv
リンク
3D LiDAR データのシーンプライアを学習するためのジェネレーティブレンジイメージング
arxiv_reader 2022/10/24
自律移動ロボットの堅牢なビジョンには、3D LiDAR センサーが不可欠です。ただし、LiDAR ベースの認識アルゴリズムの展開は、角度分解能の不一致やプロパティの欠落など、トレーニング環境からのドメ

domain

learning

robot

3D

arXiv reaDer

semantic segmentation

GAN

differentiable

arXiv

LiDAR
リンク
EVA3D: 2D 画像コレクションからの合成 3D 人間生成
arxiv_reader 2022/10/11
インバースグラフィックスは、2D 観測から 3D モデルを復元することを目的としています。微分可能なレンダリングを利用して、最近の 3D 認識生成モデルは、2D 画像を使用した剛体オブジェクト生成の

arXiv reaDer

sparse

3D

representation

differentiable

human

GAN

generative

arXiv

pose
リンク
LSAP: GAN 潜在空間における反転忠実度、知覚、編集可能性の再考
arxiv_reader 2022/09/27
メソッドが進化するにつれて、反転は主に 2 つのステップに分けられます。最初のステップは画像の埋め込みで、エンコーダーまたは最適化プロセスが画像を埋め込み、対応する潜在コードを取得します。その後、2

reconstruction

arXiv reaDer

synthesis

GAN

domain

metric

differentiable

arXiv

embedding
リンク
GET3D: 画像から学習した高品質の 3D テクスチャ形状の生成モデル
arxiv_reader 2022/09/23
いくつかの業界が大規模な 3D 仮想世界のモデル化に向けて動いているため、3D コンテンツの量、質、および多様性の点でスケーリングできるコンテンツ作成ツールの必要性が明らかになりつつあります。私たちの

3D

arXiv

differentiable

GAN

synthesis

mesh

arXiv reaDer

human
リンク
グラフ生成敵対ネットワークと微分可能レンダリングを使用したテクスチャ生成
arxiv_reader 2022/06/20
既存の3Dメッシュモデルの新しいテクスチャ合成は、既存のシミュレータのフォトリアリスティックアセット生成に向けた重要なステップです。しかし、既存の方法は本質的に、特定のカメラの視点からの3D空間の投影

3D

GAN

synthesis

arXiv

differentiable

arXiv reaDer

mesh
リンク
1 2 3 次のページ

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx