2023-11-20 13:10:00
4
0
0
2023-11-11 00:22:48
9
0
0
NOISE-FREE SCORE DISTILLATION
- 标题惊到我了。
- 文章很有意思,因为原来通过加噪解决OOD问题,本文想到为什么不直接处理OOD的数据。于是文章定义 δC=ϵϕ(Zt;y,t)−ϵϕ(Zt;∅,t),也就是直接输入Z_t得到的条件去噪方向。那么SDS就能写成 ϵϕ(Zt;∅,t)+sδC,其中 ϵϕ(Zt;∅,t) 应当做无条件去噪。但由于 Zt 本身是有OOD数据加噪得到的,所以无法直接得到被预测的噪音。文章认为 ϵϕ(Zt;∅,t) 是由 (domain correction)δD 和 (denoising direction)δN 组成。
- 下图是InDomain数据,OutOfDomain数据,预测的denoisi
2023-10-22 17:55:43
15
0
0
StableDiffusionKDiffusionPipeline
StableDiffusionAdapterPipeline
StableDiffusionSAGPipeline
StableDiffusionGLIGENPipeline
StableDiffusionModelEditingPipeline
StableDiffusionAttendAndExcitePipeline
2023-08-22 15:50:38
23
0
0
SMPL
- 一个常用基础概念,来自于15年的siggraph文章"SMPL: A Skinned Multi-Person Linear Model"

- 一套基于参数化的人体不同体型表征和动作生成的方法。
3DMM: 3D Morphable models
- 三维可变形人脸模型,是一个通用的三维人脸模型,用固定的点数来表示人脸。它的核心思想就是人脸可以在三维空间中进行一一匹配,并且可以由其他许多幅人脸正交基加权线性相加而来。每一个三维的人脸,可以由一个数据库中的所有人脸组成的基向量空间中进行表示,而求解任意三维人脸的模型,实际上等价于求解各个基向量的系数的问题。
- 当前基于3DMM的表情模型主要有两个思路,分别是加性模型和乘性模型。加性模型就是线性模型了,将表情作为形状的一个偏移量
- 例如 NeRFace 就把3DMM编码放入了NeRF当中来做人脸。
- blendshape 是一种常用 3DMM,分别身份basis和标签
AvatarCraft: Transforming Text into Neural Human Avatars with Parameterized Shape and Pose Control
- 第一步SDS染色,第二步类似NeRFEdit的方案做Ray blending。

- 问题在于生成的人物都是同一个体型的,即给定一个体型,再染色。
- 效果比其他方案好一些,但只有一些

- 感觉马上能看到基于VSD的版本,应该会好不少。
Instruct-Video2Avatar: Video-to-Avatar Generation with Instructions
- video + 人脸提取 + InstructPix2Pix
- 方法很简单,先提取人脸,然后 InstructPix2Pix 做一帧的转化,再套用已有的EbSynth(Exampler-based image
video style transfer)完成对视频的转换。

- 结果上略有伪影
AvatarBooth: High-Quality and Customizable 3D Human Avatar Generation
2023-08-21 14:40:33
26
0
0
Rodin
- 虽然是之前的老文章了,但专门又看了下它的 portrait inversion 部分。
- 这部分的实现很简单,就是在基础 Diffusion 部分增加 CLIP-Condition 然后finetune就行。

IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable Novel View Synthesis
- 做了我去年年中尝试了,但没继续的idea。
- 学习基本颜色、阴影和余量。然后完成室内更精确的NeRF重建。

- 方案有意思的是用了类似聚类的方法合并同一类材质

- 或许可以用到之后的房间生成论文里。
PoseDiffusion: Solving Pose Estimation via Diffusion-aided Bundle Adjustment
- 结合了 Diffusion的相机姿态估计。
- 需要训练一个用来处理姿态估计的diffusion model。

- 看起来效果挺强

FreeDoM: Training-Free Energy-Guided Conditional Diffusion Model

- 使用各种预训练模型和构造 Energy Function 来控制生成。
- 如果有train在 noisy image 上的预训练模型,就可以做classier guidiance。然而多数现成的模型只在clean image上有,所以本文这么解决:

- 然后本文直接用 clean im
2023-07-02 20:50:52
46
0
0
- 一些比较有意思的 cite 的 Score jacobian chaining 的工作。
3D-aware Image Generation using 2D Diffusion Models
TextDeformer: Geometry Manipulation using Text Guidance
- 把SDS的思路用在了mesh deformation,不过本文引导使用的是 CLIP。

Zero-1-to-3: Zero-shot One Image to 3D Object
- 在合成数据上训练了一个去噪模型,具有良好的泛化能力,能够给出物体新视角高质量数据(虽然三维一致性一般)。


Sin3DM: Learning a Diffusion Model from a Single 3D Textured Shape
- 大概就是之前想做的单NeRF生成的改进版,基本思路一致——GAN换成Triplane Diffusion。
- 文章重新选择了更好的适用的数据集——普通数据难以应用、规则的材质化的效果才比较好。不再追求泛化能力,转而在局部场景上追求更好的质量。

- 相比之前的直接用3D版本SinGAN的效果:

- 几何提升有限,但材质生成提升较好。
- New Idea: 结合 3D seam carving效果会怎么样呢?!3D seam carving规则化给出一个场景的不同尺寸,然后用于训练这个生成模型,从而能否提高模型对于场景应用的泛化能力?
ProlificDreamer: High-Fidelity and Diverse Text-to-3D Generation with Variational Score Distillation
2023-05-09 16:07:49
20
0
0
Stochastic Neural Radiance Fields: Quantifying Uncertainty in Implicit 3D Representations
- 非常简单的原理,就是不同种子多训练几个 NeRF

- 效果竟然还可以,就是用的数据集shao'le'yi'xi

2023-05-09 16:07:43
31
0
0
Text2Light: Zero-Shot Text-Driven HDR Panorama Generation


- 首先学一个codebook,然后 Eqn(5) 是对于向量加点噪音,Eqn(6) 这里是找到数据集内,最接近k个样本的code。p(s) 这一块是相当于自回归的序列预测。SPE 是空间位置编码。同时对于原图的一个patch,会有另一个codebook编码.
StyleLight: HDR Panorama Generation for Lighting Estimation and Editing


- 训练用的全景图GAN,然后LFOV到 LDR panoramas 用的 GAN inversion
2023-05-09 16:07:38
38
0
0
HiMODE: A Hybrid Monocular Omnidirectional Depth Estimation Model
- 室内全景图深度估计。似乎没有用到什么针对全景图的网络结构。

- 他说是ST3D 的 SOTA 那就是吧

其他
- Generative Scene Synthesis via Incremental View Inpainting using RGBD Diffusion Models: 用的是 ScanNetV2 (1.4T RGBD数据)。
- NYU-Depth V2: 室内RGBD数据,大约2.8G有语义标注,其余400GB只有深度。
- KITTI Eigen Split: KITTI的子集,大约30GB的样子。
- NeRDi: 用的是 Dense Prediction Transformer (DPT) model (一种密集预测的ViT,来自论文Vision Transformers for Dense Prediction),在一个共有 1.4M 张图的混合数据集上训练的(包括DIW,ETH3D,Sintel,KITTI,NYU,TUM)。有开源模型存档点。
- NeuralWindow Fully-connected CRFs for Monocular Depth Estimation: 上一篇的后续follow,没有混合数据集训练,但有NYUv2和KITTI的存档点。
- BinsFormer: 同样是后续SOTA之一。
- OmniFusion (CVPR2022) : 全景图单目深度估计。
- Monocular-Depth-Estimation-Toolbox: github 开源单目估计工具箱,支持四种SOTA模型,7种训练方法,4个主流数据集。劳模!
DAG: Depth-Aware Guidance with Denoising Diffusion Probabilistic Models
- CVPR2023 文章,代码暂时还没开源。
- 一个与深度密切相关的2D生成模型。

- 似乎质量还不错

2023-04-23 19:33:17
380
0
0
Training-Free Layout Control with Cross-Attention Guidance
- 方法还是老一套,就是控制Cross-Attention,但是使用的是b