https://crossminds.ai/
Кажется тут появляются видосы с конференций типа CVPR, также есть всякие теги к видосам.
Sci-hub для видосов?

Rendering implicit sdf in tf

https://twitter.com/i/status/1339162993892974592
#sdf

Через 30 минут будет лекция Алексея Артёмова, Сколтех.
"Нейросетевые модели на основе Лапласовых пирамид в латентном пространстве для обучения облаками точек".

(думаю на английском название звучало бы менее ужасающе)

* project page

зарегистрироваться тут

Построение высококачественных генеративных моделей для трехмерных форм — фундаментальная задача компьютерного зрения с различными приложениями в обработке геометрии, инженерии и дизайне. Несмотря на недавний прогресс в глубоком генеративном моделировании, синтез с нуля детализированных трехмерных поверхностей, таких как облака точек с высоким разрешением, с помощью существующих подходов еще не был продемонстрирован. В этой работе мы предлагаем использовать представление лапласовской пирамиды скрытого пространства в иерархической генеративной модели для трехмерных облаков точек. Мы объединяем недавно предложенные архитектуры GAN со скрытым пространством и лапласианские архитектуры GAN, чтобы сформировать многомасштабную модель, способную генерировать трехмерные облака точек с повышенным уровнем детализации. Наша оценка показывает, что наша модель превосходит базовые существующие генеративные модели для трехмерных облаков точек.

https://dellaert.github.io/NeRF/

Очень хороший пост чтобы вкатиться в понимание что же там такое в nerf, deepSDF и implicit differentiable renderer. Пост охватывает и связывает последние работы, которые в том числе появлялись в этом канале.

Также оригинальный тред автора в твитторе 😌
https://twitter.com/fdellaert/status/1339236843263569922

* Alex Mordvintsev's tutorial for implicit sdf in colab
#nerf #implicit_geometry #sdf

Point Transformer https://arxiv.org/abs/2012.09164

Exploring Data Efficient 3D Scene Understandingwith Contrastive Scene Contexts https://sekunde.github.io/project_efficient/

Learning to Recover 3D Scene Shape from a Single Image

https://yvanyin.github.io/LearnShape.github.io/

Despite significant progress in monocular depth estimation in the wild, recent state-of-the-art methods cannot be used to recover accurate 3D scene shape due to an unknown depth shift induced by shift-invariant reconstruction losses used in mixed-data depth prediction training, and possible unknown camera focal length. We investigate this problem in detail, and propose a two-stage framework that first predicts depth up to an unknown scale and shift from a single monocular image, and then use 3D point cloud encoders to predict the missing depth shift and focal length that allow us to recover a realistic 3D scene shape. In addition, we propose an image-level normalized regression loss and a normal-based geometry loss to enhance depth prediction models trained on mixed datasets. We test our depth model on nine unseen datasets and achieve state-of-the-art performance on zero-shot dataset generalization.

#single_image #depth #scene_reconstruction

https://github.com/angeladai/sgnn
#depth #scene_reconstruction #indoor