3d gan 一些论文 待补充

最新推荐文章于 2025-05-13 09:30:00 发布
原创 最新推荐文章于 2025-05-13 09:30:00 发布 · 318 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

Generation High resolution 3D model from natural language by Generative Adversarial Network

3D、扩散模型、GAN、StyleGAN、MAE.等【face-swapping方法汇总】
zik的博客
05-25 4230
face-swapping是将一张脸的身份（肤色、面部皮肤、眉毛、眼睛、鼻子、嘴唇和嘴巴等）与另一张脸的非外观属性（表情、头部姿势、光照、图像分辨率、注释方向、头发、眼镜、耳朵、耳环、颈部和背景等非内部人脸区域）相结合，生成合成人脸。
医图论文 MIA 2025 | IGUANe：用于多中心脑磁共振图像协调的3D可泛化CycleGAN
最新发布
小白学视觉
05-13 187
在磁共振成像（MRI）研究中，整合来自多个采集站点的成像数据可以增加样本量，但可能会引入与站点相关的变异性，从而影响后续分析的一致性。用于图像转换的深度学习方法已成为跨站点协调磁共振图像的一种解决方案。在本研究中，作者提出了IGUANe（基于统一对抗网络的图像生成），这是一个原创的3D模型，它利用域转换和风格迁移方法的优势，实现多中心脑磁共振图像的协调。IGUANe通过多对一架构扩展了CycleGAN，能够整合任意数量的域进行训练。
3D GAN：Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling
761527200_leili的博客
10-01 8283
一.Abstract 1.提出了一个新的框架，即3D生成对抗网络(3D- gan)，它利用体卷积网络和生成对抗网络的最新进展，从概率空间生成三维对象. 2.首先，使用对抗准则代替传统的启发式准则，使生成器能够隐式地捕获对象结构，并同步大小相同的高质量3D对象. 3.生成器G建立了一个从低维概率空间到三维对象空间的映射，使我们可以在没有参考图像或CAD模型的情况下对对象进行采样，并探索三维对象流形....
3DFaceGAN: Adversarial Nets for 3D Face Representation, Generation, and Translation论文泛读
qq_41353493的博客
07-16 530
3DFaceGAN: Adversarial Nets for 3D Face Representation, Generation, and Translation论文泛读 （MLA引用格式 Moschoglou, Stylianos, et al. “3dfacegan: Adversarial nets for 3d face representation, generation, and translation.” arXiv preprint arXiv:1905.00307 1.2 (2019)
万物皆可GAN之3D-GAN（keras框架）
m0_61985580的博客
04-30 8719
这几天看了一篇比较有意思的文章，这里给你们分享一下。 论文地址：[https://arxiv.org/abs/1610.07584](https://arxiv.org/abs/1610.07584) 以下就用keras来对这个3D-GAN来进行分析；目前我还在看这篇文章的potorch代码，如果看懂了后续会将他给也分享出来。 分享出来主要是当作自己的学习笔记，然后也可以供大家学习参考。有兴趣的话，可以点击关注收藏。
3d gan 一些论文收集
啊哈的专栏
10-17 1057
3DFaceGAN: Adversarial Nets for 3D Face Representation, Generation, and Translation https://arxiv.org/abs/1905.00307 3D convolutional GAN for fast simulation https://www.epj-conferences.org/articl...
从2D图片生成3D模型（3D-GAN）
热门推荐
MachineLP的专栏
01-30 2万+
3D-GAN是使用生成对抗网络学习2D图像到3D模型的映射，生成网络负责生成3D模型，对抗网络判断这些模型是真是假。 3D-GAN：http://3dgan.csail.mit.edu/ 3D-GAN paper：https://arxiv.org/pdf/1610.07584v2.pdf 3D-GAN代码：https://github.com/zck119/3dgan-re
论文阅读《Fine-Grained Face Swapping via Regional GAN Inversion》
july_Ai的博客
09-11 1835
先总述贡献：提出一个新颖的高保真换脸范式（paradigm）能可信地（faithfully）保留所需的（desired）微小（subtle）几何和纹理细节。这个范式是什么？E4S。来源：从细粒度人脸编辑的角度重新思考换脸，editting for swapping。根据这个范式，提出基于人脸组件（facial components）的形状和纹理显示解耦的换脸框架。E4S有什么用？1）既能全局换脸，也能局部换脸；能由用户控制交换部分的数量。
GAN相关模型和论文
A1_abc的博客
11-12 4185
以下是来自该作者的 github上 整理的部分论文， 具体在此https://github.com/hindupuravinash/the-gan-zoo 3D-ED-GAN - 使用3D生成对抗网络和循环卷积网络进行形状修复 3D-GAN - 通过3D生成 - 对抗建模（github）学习对象形状的概率潜在空间 3D-IWGAN - 用于3D对象生成和重建的改进的对抗系统（github） 3...
【论文精读CVPR_2021】HifiFace: 3D Shape and Semantic Prior Guided High Fidelity Face Swapping
zik的博客
06-05 1223
论文地址首先：分为四个模块编码器、解码器、3D形状感知身份提取器和SFF模块。编码器：输入是ItI_tIt​，即提取目标脸的特征。输出低维度特征。3D 形状感知身份提取器：输入源脸图像和目标脸图像到3D人脸重建网络得到源脸的身份和目标脸的属性特征。然后输入源脸图像到人脸识别网络获取身份向量，然后将二者连接起来获取3D形状感知身份。解码器：接收编码器输出的低维度特征和3D形状感知身份（融合），输出原目标图像1/4大小的图片到SFF模块。SFF模块：接收解码器输出和编码器对应大小的图片。
3D-GAN-pytorch:3D-GAN的pytorch实现
05-09
3D-GAN-火炬 Pytorch实现。 数据集 wget http://3dshapenets.cs.princeton.edu/3DShapeNetsCode.zip unzip 3DShapeNetsCode.zip mv 3DShapeNetsCode ModelNet
3DStyleGAN：用于医学图像的3D StyleGAN2
02-08
用于医学图像的3D StyleGAN2 有关如何安装和运行它的信息，请参见官方仓库： : 当前问题 2021年2月4日 128 ^ 3内存耗尽错误 当前的培训模块 64 ^ 3-00159：D-resnet，logistic，G-orig，logistic_ns_pathreg -00161：D-resnet，wgan，G-orig，logistic_ns_pathreg -00166：D-resnet，后勤，G-跳过，lostic_ns_pathreg 2021年2月2日 D_logistic_r1仍然存在分段错误错误。 D_logistic_r2可能具有相同的错误，现在（在2月3日上午10:12）在群集中将其检出。 所有（经过测试的）G损失函数都可以正常工作（现在正在集群中测试G_wgan）。 所有（经过测试的）架构都可以正常工作（G_orig，G_skip，D_res
tf-3dgan, 3D 生成对抗性网络的Tensorflow实现.zip
10-09
tf-3dgan, 3D 生成对抗性网络的Tensorflow实现 tf-3dgan 基于的生成对抗性网络的Tensorflow实施。这是一个tensorflow实现，通过 3D 个生成对抗建模学习对象形状的概率潜在空间。" 带有交互式卷图的博客文章。要求tensorflow>
3D_MRI_GAN：GAN用于3D T1w和T2w解剖MR图像的图像到图像转换
02-24
用于3D图像到图像翻译的生成对抗网络 该网络的目的是训练从T1w图像创建T2w图像的模型，反之亦然。 它以完整的3D NIfTI作为输入，并能够直接生成相应模态的3D体积。 该存储库基于Per Welander和Anders Eklund在 训练此网络的最大挑战之一是将其全部存储在内存中。 必须有GPU才能在合理的时间内（不到一周）训练模型，但是这种加速是以RAM为代价的。 为了训练此3D GAN，我们使用了具有32GB RAM的单个NVIDIA Tesla V100。 少了可能会导致内存不足错误。 系统设置 培训是在带有CUDA版本10.2.89的NVIDIA Tesla V100上完成的 所需的python软件包版本保存在requirements.txt中，应安装在虚拟环境中 python3 -m venv env source env/bin/activate pip insta
3D-keras-3dgan.zip
09-17
3D-keras-3dgan.zip,三维生成对抗网络的keras实现。,3D建模使用专门的软件来创建物理对象的数字模型。它是3D计算机图形的一个方面，用于视频游戏，3D打印和VR，以及其他应用程序。
3D-GAN模型
weixin_29774611的博客
08-09 574
3D-GAN模型是一种用于生成逼真的3D模型的机器学习算法。以下是关于3D-GAN模型的详细介绍：一、定义与原理定义：3D-GAN（3D Generative Adversarial Networks，三维生成对抗网络）是GAN的一个变体，专门用于生成三维模型。它通过生成器和判别器两个神经网络进行对抗训练，从而生成逼真的3...
CVPR2021最佳论文：当GAN遇到3D场景，无需监督就学会“动态抠图”、360度展示对象...
3D视觉工坊
06-29 548
月石一 发自 凹非寺量子位 报道 | 公众号 QbitAIGAN又又又有新玩法了！人脸？NO，NO，NO~这回，开发者利用「3D+GAN」生成了汽车大片，还是能360度展示、随手换背景那种...
最新3D GAN可生成三维几何数据了！模型速度提升7倍，英伟达&斯坦福出品
量子位
12-21 771
明敏 发自 凹非寺量子位 报道 | 公众号 QbitAI2D图片变3D，还能给出3D几何数据？英伟达和斯坦福大学联合推出的这个GAN，真是刷新了3D GAN的新高度。而且生成画质也更高，视...
基于体素的三维表面重建: DLGAN, 3D GAN，3D-R2N2等
YuQiao0303的博客
07-01 2086
输入：1或多张单个物体任意视角的图片 （encode成一个latent code） 输出：3D occupancy grid （323232） loss: sum of voxel-wise 交叉熵。（虽然代码和这个有差别） 官方代码： 非官方torch代码：https://rohitgirdhar.github.io/GenerativePredictableVoxels/ 关于autoencoder的ablation study： 第16页， table 2 （FIg.7 里面其实没有消融实验, su
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值