NeRF&Beyond 8.24日报(Blending-NeRF,CHORUS,倾斜摄影Mesh合并方法,Mesh质量可视化)

Blending-NeRF: Text-Driven Localized Editing in Neural Radiance Fields

https://arxiv.org/abs/2308.11974

LG电子、首尔国立大学

本文提出了一种新的基于 NeRF 的模型 Blending-NeRF，它由两个 NeRF 网络组成：预训练的 NeRF 和可编辑的 NeRF。另外引入了新的混合操作，允许 Blending-NeRF 正确编辑目标区域

CHORUS: Learning Canonicalized 3D Human-Object Spatial Relations from Unbounded Synthesized Images

https://arxiv.org/abs/2308.12288

首尔国立大学

本文提出了一种方法，用于教导机器以自我监督的方式理解和建模 3D 中各种人与物体交互的基本空间常识。

Mesh Conflation of Oblique Photogrammetric Models using Virtual Cameras and Truncated Signed Distance Field

https://arxiv.org/abs/2308.12139

Ohio State University

本文提出了一种新方法来应对这一挑战，将多个全 3D 倾斜摄影测量模型合并为一个无缝网格，以进行高分辨率场地建模。

A Visualization System for Hexahedral Mesh Quality Study

https://arxiv.org/abs/2308.12158

University of Houston

本文引入了一种新的 3D 六角网格视觉分析系统，该系统通过聚合字形强调质量较差的区域，突出显示重叠元素，并以三种形式提供详细的边界错误检查。通过支持多视图的多层次分析，我们的系统有效地评估各种网格模型，并比较六面体网格的网格生成和优化算法的性能。

今日更新结束

Jason陪你练绝技B站更新地址：https://space.bilibili.com/455056488

NeRF相关工作整理Github repo：https://github.com/yangjiheng/nerf_and_beyond_docs