CVPR 2024 | 跳舞时飞扬的裙摆,AI也能高度还原了,南洋理工提出动态人体渲染新范式
AIxiv专栏是本站发布学术、技术内容的栏目。过去数年,本站AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com。
论文标题:SurMo: Surface-based 4D Motion Modeling for Dynamic Human Rendering 论文地址:https://arxiv.org/pdf/2404.01225.pdf 项目主页:https://taohuumd.github.io/projects/SurMo Github 链接:https://github.com/TaoHuUMD/SurMo

区别于已有方法在稀疏三维空间对运动建模,SurMo 提出基于人体表面流形场(或紧凑的二维纹理 UV 空间)的四维(XYZ-T)运动建模,并通过定义在人体表面的三平面(surface-based triplane)来表征运动。 提出运动物理解码器去根据当前运动特征(如三维姿态、速度、运动轨迹等)预测下一帧运动状态,如运动的空间偏导—表面法向量和时间偏导—速度,以此对运动特征做连续性建模。 四维外观解码,对运动特征在时序上解码以此渲染三维自由视点视频,主要通过混合体素—纹理神经渲染方式实现 (Hybrid Volumetric-Textural Rendering, HVTR [Hu et al. 2022]).
渲染运动相关的阴影及衣服附属运动
以上是CVPR 2024 | 跳舞时飞扬的裙摆,AI也能高度还原了,南洋理工提出动态人体渲染新范式的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

DeepSeek的安装方法有多种,包括:从源码编译(适用于经验丰富的开发者)使用预编译包(适用于Windows用户)使用Docker容器(最便捷,无需担心兼容性)无论选择哪种方法,请仔细阅读官方文档并充分准备,避免不必要的麻烦。

小模型崛起了。上个月,Meta发布了Llama3.1系列模型,其中包括Meta迄今为止最大的405B模型,以及两个较小的模型,参数量分别为700亿和80亿。Llama3.1被认为是引领了开源新时代。然而,新一代的模型虽然性能强大,但部署时仍需要大量计算资源。因此,业界出现了另一种趋势,即开发小型语言模型(SLM),这种模型在许多语言任务中表现足够出色,部署起来也非常便宜。最近,英伟达研究表明,结构化权重剪枝与知识蒸馏相结合,可以从初始较大的模型中逐步获得较小的语言模型。图灵奖得主、Meta首席A

DeepSeekAI工具使用指南及常见问题解答DeepSeek是一款功能强大的AI智能工具,本文将解答一些常见的使用问题,助您快速上手。常见问题解答:不同访问方式的区别:网页版、App版和API调用在功能上没有区别,App只是网页版的封装。本地部署使用的是蒸馏模型,能力略逊于完整版DeepSeek-R1,但32位模型理论上拥有90%的完整版能力。酒馆(SillyTavern)是什么?SillyTavern是一个前端界面,需要通过API或Ollama调用AI模型。破限是什么

近期,一个数十年来未解决的数学难题首次取得了进展。推动这项进展的是来自加州大学洛杉矶分校的研究生JamesLeng和麻省理工学院数学研究生AshwinSah、哥伦比亚大学助理教授MehtaabSawhney。其中JamesLeng师从著名数学家陶哲轩,AshwinSah师从离散数学大牛赵宇飞。论文地址:https://arxiv.org/pdf/2402.17995要了解这项研究取得的突破,需要从算术级数说起。等差数列的前n项和称为一个等差级数,也称为算术级数。1936年,数学家PaulErdő

注册LBank访问官方网站并点击“注册”。输入电子邮件和密码并验证邮箱。下载LBank应用程序iOS:在AppStore中搜索“LBank”。下载并安装“LBank-DigitalAssetExchange”应用。Android:在GooglePlay商店中搜索“LBank”。下载并安装“LBank-DigitalAssetExchange”应用。

自从Sora发布以来,AI视频生成领域变得更加「热闹」了起来。过去几个月,我们见证了即梦、RunwayGen-3、LumaAI、快手可灵轮番炸场。和以往一眼就能识破是AI生成的模型不太一样,这批视频大模型可能是我们所见过的「最好的一届」。然而,视频大语言模型(LLM)惊艳表现的背后离不开庞大且经过精细标注的视频数据集,这需要花费相当高的成本。近期研究领域也涌现了一批无需额外训练的创新方法:采用训练好的图像大语言模型,直接用于视频任务的处理,这样就绕开了「昂贵」的训练过程。此外,现有大多视频LLM

MitchellStern等人于2018年提出了投机采样的原型概念。这种方法后来被各种工作进一步发展和完善,包括LookaheadDecoding、REST、Medusa和EAGLE,投机采样显着加快了大型语言模型(LLM)的推理过程。一个重要的问题是:LLM中的投机采样会损害原始模型的准确性吗?先说答案:不会。标准的投机采样算法是无损的,本文将通过数学分析和实验来证明这一点。数学证明投机采样公式可以定义如下:其中:?是从均匀分布中采样的实数。是要预测的下一个token。 ?(?)是草稿模型给出的
