arXiv ID:
2601.05239
全光视频生成 / Plenoptic Video Generation
1️⃣ 一句话总结
本文提出了一种名为PlenopticDreamer的新框架,它通过同步生成过程中的‘幻觉’内容来保持时空一致性,从而解决了现有方法在多视角视频生成中画面不连贯的难题,实现了高质量、可控且视角多样的视频重渲染。
全光视频生成 / Plenoptic Video Generation
本文提出了一种名为PlenopticDreamer的新框架,它通过同步生成过程中的‘幻觉’内容来保持时空一致性,从而解决了现有方法在多视角视频生成中画面不连贯的难题,实现了高质量、可控且视角多样的视频重渲染。
DiffProxy:通过扩散生成的密集代理实现多视角人体网格恢复 / DiffProxy: Multi-View Human Mesh Recovery via Diffusion-Generated Dense Proxies
这篇论文提出了一个名为DiffProxy的新框架,它利用扩散模型的生成能力来创建多视角一致的人体代理,从而有效结合合成数据的精确标注优势和真实数据的泛化需求,在仅使用合成数据训练的情况下,显著提升了在真实复杂场景(如遮挡、局部视角)下人体三维重建的准确性和鲁棒性。
GaussianBlender:利用解耦潜在空间实现3D高斯模型的即时风格化 / GaussianBlender: Instant Stylization of 3D Gaussians with Disentangled Latent Spaces
这篇论文提出了一种名为GaussianBlender的新方法,它能够根据文字描述,在无需针对每个3D模型进行耗时优化的前提下,快速、高质量地改变3D物体的视觉风格,同时保持其原有形状和多视角一致性,为游戏和虚拟现实等领域的大规模3D内容创作提供了实用工具。
ObjFiller-3D:通过视频扩散模型实现一致的多视角三维修复 / ObjFiller-3D: Consistent Multi-view 3D Inpainting via Video Diffusion Models
这篇论文提出了一种名为ObjFiller-3D的新方法,它通过巧妙利用先进的视频编辑模型来修复三维物体,解决了传统方法中多视角修复不一致的问题,从而实现了更高质量、更连贯的三维物体补全与编辑。
请先 登录 后再提交论文