首页
学习
活动
专区
工具
TVP
发布

AiCharm

专栏作者
470
文章
132769
阅读量
43
订阅数
每日学术速递4.17(全新改版)
1.3DMambaComplete: Exploring Structured State Space Model for Point Cloud Completion
AiCharm
2024-04-17
940
每日学术速递4.16(全新改版)
作者:Weihao Xia, Raoul de Charette, Cengiz Öztireli, Jing-Hao Xue
AiCharm
2024-04-16
550
每日学术速递4.15(全新改版)
作者: Dimitrios Michail, Lefki-Ioanna Panagiotou, Charalampos Davalas, Ioannis Prapas, Spyros Kondylatos, Nikolaos Ioannis Bountos, Ioannis Papoutsis
AiCharm
2024-04-16
560
每日学术速递4.14(全新改版)
作者:Juhong Min, Shyamal Buch, Arsha Nagrani, Minsu Cho, Cordelia Schmid
AiCharm
2024-04-16
460
每日学术速递4.13(全新改版)
作者:Francesco Ballerini, Pierluigi Zama Ramirez, Roberto Mirabella, Samuele Salti, Luigi Di Stefano
AiCharm
2024-04-16
1470
每日学术速递4.12(全新改版)
作者:lberto Hojel ; Yutong Bai ; Trevor Darrell ; Amir Globerson ; Amir Bar
AiCharm
2024-04-16
720
每日学术速递3.5
1.Small But Funny: A Feedback-Driven Approach to Humor Distillation
AiCharm
2024-03-05
790
每日学术速递3.4
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理
AiCharm
2024-03-04
1830
每日学术速递2.26
作者:Kai Wang, Zhaopan Xu, Yukun Zhou, Zelin Zang, Trevor Darrell
AiCharm
2024-02-26
1280
每日学术速递2.25
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理
AiCharm
2024-02-26
1230
每日学术速递1.22
1.Open-Vocabulary SAM: Segment and Recognize Twenty-thousand Classes Interactively
AiCharm
2024-01-22
1100
每日学术速度1.21
1.Let's Go Shopping (LGS) -- Web-Scale Image-Text Dataset for Visual Concept Understanding
AiCharm
2024-01-22
860
每日学术速递1.20
1.Effective pruning of web-scale datasets based on complexity of concept clusters(ICCV2023)
AiCharm
2024-01-22
1120
每日学术速递1.19
1.PIXART-δ: Fast and Controllable Image Generation with Latent Consistency Models
AiCharm
2024-01-22
1420
ICLR 2024放榜,接收率31%!
ICLR 2024 国际学习表征会议已经来到了第十二届,将于今年 5 月 7 日 - 11 日在奥地利维也纳会展中心举行。
AiCharm
2024-01-22
1770
每日学生速递1.17
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理
AiCharm
2024-01-22
940
每日学术速递1.15
1.N3-Mapping: Normal Guided Neural Non-Projective Signed Distance Fields for Large-scale 3D Mapping
AiCharm
2024-01-15
910
每日学术速递1.13
3D 高斯分布 (3D GS) 最近作为显式辐射场和计算机图形领域的一项变革性技术而出现。这种创新方法的特点是利用了数百万个 3D 高斯函数,它与神经辐射场 (NeRF) 方法有很大不同,神经辐射场 (NeRF) 方法主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3D GS 凭借其明确的场景表示和可微的渲染算法,不仅保证了实时渲染功能,而且还引入了前所未有的控制和可编辑性水平。这使得 3D GS 成为下一代 3D 重建和表示的潜在游戏规则改变者。在本文中,我们首次系统概述了 3D GS 领域的最新发展和关键贡献。我们首先详细探讨 3D GS 出现背后的基本原理和驱动力,为理解其重要性奠定基础。我们讨论的一个焦点是 3D GS 的实际适用性。通过促进实时性能,3D GS 开辟了从虚拟现实到交互式媒体等众多应用程序。对此进行了补充,对领先的 3D GS 模型进行了比较分析,并在各种基准任务中进行了评估,以突出其性能和实用性。该调查最后确定了当前的挑战并提出了该领域未来研究的潜在途径。通过这项调查,我们的目标是为新手和经验丰富的研究人员提供宝贵的资源,促进在适用和明确的辐射场表示方面的进一步探索和进步。
AiCharm
2024-01-14
1810
每日学术速递1.12
1.A Minimaximalist Approach to Reinforcement Learning from Human Feedback
AiCharm
2024-01-14
900
每日学术速递1.11
1.ODTrack: Online Dense Temporal Token Learning for Visual Tracking
AiCharm
2024-01-14
970
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档