论文速递2022.8.26！

整理：AI算法与图像处理

CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo

ECCV2022论文和代码整理：https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo

最新成果demo展示：

ECCV2022 基于隐式神经表示的极化逆渲染方法

https://akshatdave.github.io/pandora/

https://github.com/akshatdave/pandora

https://arxiv.org/abs/2203.13458

摘要:

从多个图像重建对象的几何形状和外观，也称为逆渲染，是计算机图形和视觉中的一个基本问题。逆向渲染本质上是病态的，因为捕获的图像是未知照明条件、材料属性和场景几何形状的复杂函数。在将场景属性表示为基于坐标的神经网络方面的最新进展促进了神经逆向渲染，从而产生了令人印象深刻的几何重建和新视图合成。我们的主要见解是偏振是神经逆向渲染的有用提示，因为偏振强烈依赖于表面法线，并且对于漫反射和镜面反射是不同的。随着商品化片上偏振传感器的出现，捕获偏振已变得实用。因此，我们提出了 PANDORA，一种基于隐式神经表示的极化逆渲染方法。从物体的多视角偏振图像中，PANDORA 联合提取物体的 3D 几何形状，将出射辐射分为漫反射和镜面反射，并估计入射到物体上的照明。我们证明 PANDORA 优于最先进的辐射分解技术。PANDORA 输出干净的表面重建，没有纹理伪影，准确地模拟强镜面反射，并估计实际非结构化场景下的照明。

最新论文整理

ECCV2022

Updated on : 26 Aug 2022

total number : 3

High-Fidelity Image Inpainting with GAN Inversion

• 论文/Paper: http://arxiv.org/pdf/2208.11850
• 代码/Code: None

Unbiased Multi-Modality Guidance for Image Inpainting

• 论文/Paper: http://arxiv.org/pdf/2208.11844
• 代码/Code: https://github.com/yeates/MMT

Learning from Unlabeled 3D Environments for Vision-and-Language Navigation

• 论文/Paper: http://arxiv.org/pdf/2208.11781
• 代码/Code: None

CVPR2022