• 关注领域：

• AIGC
  

• 3D computer vision learning

• Fine-grained learning

• GNN

• 其他
  

• 声明
  

• 论文较多，时间有限，本专栏无法做文章的讲解，只挑选出符合PaperABC研究兴趣和当前热点问题相关的论文，如果你的research topic和上述内容有关，那本专栏可作为你的论文更新源或Paper reading list．

• 内容丰富

• 感谢＠秋刀鱼的炼丹工坊建议！增加文章对应的ArXiv链接（但由于小破站无法放站外链接，可能会影响访问）．

• 增加每篇文章的中文快速导读内容．
  

Paper list:

AIGC:

DiffusioNeRF: Regularizing Neural Radiance Fields with Denoising Diffusion Models

https://arxiv.org/pdf/2302.12231.pdf

使用扩散模型来对NeRF的学习进行指导，从而解决NeRF由于训练数据过少导致出现伪影问题．

Designing an Encoder for Fast Personalization of Text-to-Image Models

https://arxiv.org/pdf/2302.12228.pdf

定制化或者个性化大规模预训练的扩散模型实际上是将该模型tuning到一个新的domain，从而实现对新concept的图像生成．之前的个性化工作存在着训练时间过长，存储消耗过大等问题．本文提出基于encoder的快速的个性化方法，可以在秒数量级下完成．

Region-Aware Diffusion for Zero-shot Text-driven Image Editing

https://arxiv.org/pdf/2302.11797.pdf

区域级别的扩散模型，实现小样本下的文本驱动的图像编辑工作．

Controlled and Conditional Text to Image Generation with Diffusion Prior

https://arxiv.org/pdf/2302.11710.pdf

本文重点探讨了Diffusion Model的prior信息也可以用于可控的图像生成．

3D 视觉

VoxFormer: Sparse Voxel Transformer for Camera-based 3D Semantic Scene Completion

https://arxiv.org/pdf/2302.12251.pdf

自监督学习：

Learning Visual Representations via Language-Guided Sampling

https://arxiv.org/pdf/2302.12248.pdf

提出使用语言之间的相似度指导视觉样本之间的对比学习，细节上来看，就是利用文本之间的相似度指导图像正负样本对的形成．属于跨模态对比学习内容．

Teaching CLIP to Count to Ten

https://arxiv.org/pdf/2302.12066.pdf

出发点非常有趣的一篇文章，目的是让现在的视觉语言大模型具备counting的能力，宏观上说可以理解为具备识别组合形式信息的能力．具体做法是生成一些数量上不匹配的反事实图文对，通过对比损失实现训练．