Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 16 сентября 2026 года] Название: IRIS: Имплицитные вопросы, связанные с прохождением просмотров для Pose-Owle Novel View Abstractive: Новельский вид синтез из неустановленных многовидовых изображений остается сложным, поскольку модель должна совместно изучать изображения сцен и параметры видеокамер без надзора. Существующие подходы в значительной степени сводятся к двум крайностям: имплицитное скрытое отображение космоса является гибким и простым для оптимизации, но зачастую дает слабо заземленную оценку; четко выраженные 3D представления обеспечивают более сильное геометрическое насаждение, однако при этом вводят более высокую параметризацию и более хрупкую оптимизацию. В настоящем документе мы представляем ИРИС, полностью самоуправляемую структуру, которая обеспечивает практическую среднюю основу между этими двумя парадигмами. Вместо того, чтобы расшифровать свободные скрытые символы или воссоздать полностью явные 3D-примитивы, IRIS представляет место преступления как латентное нейронное поле и дает новые взгляды, задавая этот вопрос под самозапрограммированными камерами. Если говорить конкретно, то прогнозируемые характеристики с контрольных точек агрегируются в отобранных 3D точках и образуют точечные латентные элементы, которые затем составляются по целевым лучам для их отображения. Эта конструкция сохраняет гибкость и оптимизацию неявной модели, в то же время внедряя более сильную…
IRIS: Имплицитные вопросы, связанные с получением результатов для синтеза новелл без полостей
arXiv: 26009.18034v1 Annuate Type: New Humber Brief: Novele View Instrition from Unposed Multio-view Situations остается сложной задачей, поскольку модель должна совместно изучать изображения сцен и параметры камер без наблюдения за позой. Существующие подходы в значительной степени сводятся к двум крайностям: имплицитное скрытое отображение космоса является гибким и простым для оптимизации, но зачастую дает слабо заземленную оценку; четко выраженные 3D представления обеспечивают более сильное геометрическое насаждение, однако при этом вводят более высокую параметризацию и более хрупкую оптимизацию. В настоящем документе мы представляем ИРИС, полностью самоуправляемую структуру, которая обеспечивает практическую среднюю основу между этими двумя парадигмами. Вместо того, чтобы расшифровать свободные скрытые символы или воссоздать полностью явные 3D-примитивы, IRIS представляет место преступления как латентное нейронное поле и дает новые взгляды, задавая этот вопрос под самозапрограммированными камерами. Если говорить конкретно, то прогнозируемые характеристики с контрольных точек агрегируются в отобранных 3D точках для формирования точечного латентного пера