Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Tretschk, E."'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE/CVF Conference on Computer Vision and Pattern Recognition
Shape-from-Template (SfT) methods estimate 3D surface deformations from a single monocular RGB camera while assuming a 3D state known in advance (a template). This is an important yet challenging problem due to the under-constrained nature of the mon
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::cb430ac25adbefa73c0aac125d584111
http://arxiv.org/abs/2203.11938
http://arxiv.org/abs/2203.11938
Publikováno v:
Eleventh International Conference on Learning Representations
Modern quantum annealers can find high-quality solutions to combinatorial optimisation objectives given as quadratic unconstrained binary optimisation (QUBO) problems. Unfortunately, obtaining suitable QUBO forms in computer vision remains challengin
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::ccfd282c7dee87ee207ab8271faa864b
https://hdl.handle.net/21.11116/0000-000C-1619-021.11116/0000-000C-161B-E
https://hdl.handle.net/21.11116/0000-000C-1619-021.11116/0000-000C-161B-E
In this tech report, we present the current state of our ongoing work on reconstructing Neural Radiance Fields (NERF) of general non-rigid scenes via ray bending. Non-rigid NeRF (NR-NeRF) takes RGB images of a deforming object (e.g., from a monocular
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1874::9a5ec48bc9c0d45ef24956d08c2a57b9
https://hdl.handle.net/21.11116/0000-0007-EA02-F21.11116/0000-0007-EA00-1
https://hdl.handle.net/21.11116/0000-0007-EA02-F21.11116/0000-0007-EA00-1
Implicit surface representations, such as signed-distance functions, combined with deep learning have led to impressive models which can represent detailed shapes of objects with arbitrary topology. Since a continuous function is learned, the reconst
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1874::05e258321a37b04be8777f72732e1ad0
https://hdl.handle.net/21.11116/0000-0007-E8ED-921.11116/0000-0007-E8EF-7
https://hdl.handle.net/21.11116/0000-0007-E8ED-921.11116/0000-0007-E8EF-7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.