CSS360的博客

Vid2Actor: Free-viewpoint Animatable Person Synthesis from Video in the Wild从自然环境视频合成自由视点动画人物摘要给定一个含有的人的自然环境视频，作者能够在视频中重建出一个人的动画模型。重建出的模型在不需要显性3D网格重建，只通过学习就能控制渲染任意姿态到任意相机视角。本文的核心是一个体3D人表示重建用一个深度网络训练输入视频，能够合成新颖的姿态/视角。本文的方法是优于基于GAN的图像到图像转换，因为它能通过图像内在的3D表示

使用经典的计算机图形技术合成真实世界图像级视点图像是非常困难的，因为它捕获外观细节和几何模型是非常困难的。最近研究已经证明，可以通过学习场景表示，隐编码几何和外观不需要3D监督。然而，存在的方法实际上存在模糊问题，由于有限的网络计算能力或者用场景几何较困难发现相机光线的精确交叉点。从这些表示中合成高分辨率图像常常需要耗时进行光线Marching。在本文工作，作者介绍神经稀疏体素场（NSVF），一个新的神经场景表示来快速和高质量的进行自由视点合成。NSVF定义了一组以稀疏体素八叉树形式组织的体素边界隐式场，

argparse.ArgumentParser()用法解析

Editable FreeViewpoint Video using a Layered Neural Representation使用分层神经表示的可编辑自由视点视频自由视点视频的生成对于沉浸式VR/AR体验非常重要，但是最近神经方法进展仍然缺乏在大动态场景下操纵视觉感知的编辑能力。为填补当前的空白，作者首次提出使用16个相机来编辑大尺度视角相关动态场景的自由视点视频。论文的核心是一个新的分层神经表示，每个动态实体包括周围的环境都被融合到空时增加的神经层辐射场，叫做ST-NeRF. 这样一个层表示支持

图像引导深度补全是从一张稀疏深度图生成稠密深度图和高质量图像的任务。在这个任务中，如何融合彩色和深度信息在实现高性能扮演着非常重要的角色。本论文提出一个两分支的架构，包括：一个颜色主导分支和深度主导分支来开发和融合这个信息。更具体地来讲，一个分支输入颜色信息和一个稀疏深度图来预测一个稠密深度图。另外一个分支输入稀疏深度图和先前预测的深度图，输出一个较好的稠密深度图。从两个分支预测的深度图是互补的，因此它们是自适应融合。另外，我们也提出一个简单几何卷积层去编码3D几何线索。这个几何编码框架进行多个阶段不同形态

代码地址：https://github.com/kujason/ip_basic题目：《In Defense of Classical Image Processing: Fast Depth Completion on the CPU》

深度图是一种由灰度值介于0到255的像素所构成的影像。 灰度值为0的像素代表这个3D像素是位于最远的地方；而灰阶值为255的像素代表这个3D像素是位于最近的地方。在深度图里，每一个像素将定义其所对应的2D像素在Z-轴的位置。因为深度图可以一个像素对应一个像素(Pixel-by-Pixel)方式被它的原始2D影像参考来制作栩栩如生的3D立体影像，所以目前它已非常普遍地被使用在制作裸眼3D显示器(或裸眼3D广告机)所需要的多视角3D内容；也是制作多视角3D内容的主流技术。有了深度图，就相当于2D图像有了第三

链接地址：https://arxiv.org/pdf/1710.10755v4.pdf项目地址：https://github.com/YuhangSong/DHP摘要 全景视频提供沉浸式虚拟现实和交互的体验通过让人去控制观察区域（FOV）通过头部移动（HM）。HM扮演了一个关键的角色在模型人注意在全景视频上。这篇文章建立了一个数据库收集目标的头部信息在全景视频序列中。从这...

论文地址：http://cgcad.thss.tsinghua.edu.cn/xufeng/2018_Generating%20VR%20Live%20Videos%20with%20Tripod%20Panoramic%20Rig.pdf摘要 最近突破在消费水平的虚拟现实VR设备带来了一个增加需求对VR生活内容。将真实生活内容带进VR需要复杂的计算，当前技术不能融合360度...