• 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．

Paper list:

今日ArXiv共更新134篇

NeRF

SHERF: Generalizable Human NeRF from a Single Image

https://arxiv.org/pdf/2303.12791.pdf

南洋理工，ziwei Liu老师团队的工作，实现了第一个输入单张人体图像，实现3D人体重建．

Instruct-NeRF2NeRF: Editing 3D Scenes with Instructions

https://arxiv.org/pdf/2303.12789.pdf

UC伯克利的工作，能够实现基于文本的3D场景编辑，属于文本引导的NeRF编辑工作．可拓展到真实场景和大规模场景．

FeatureNeRF: Learning Generalizable NeRFs by Distilling Foundation Models

https://arxiv.org/pdf/2303.12786.pdf

Foundation Model促进NeRF泛化性，促进其在其他下游任务，语义理解和解析等都能取得不错的性能．

Pre-NeRF 360: Enriching Unbounded Appearances for Neural Radiance Fields

https://arxiv.org/pdf/2303.12234.pdf

比Mip-NeRF 360性能还要强大的Pre-NeRF.

AIGC

A PERCEPTUAL QUALITY ASSESSMENT EXPLORATION FOR AIGC IMAGES

https://arxiv.org/pdf/2303.12618.pdf

上海交大的工作，研究了如何评估AIGC产生的图片质量．

SALAD: Part-Level Latent Diffusion for 3D Shape Generation and Manipulation

https://arxiv.org/pdf/2303.12236.pdf

KAIST的工作．主要提出了使用Diffusion model来实现part-level的3D shape的生成和编辑．

VLP

Is BERT Blind? Exploring the Effect of Vision-and-Language Pretraining on Visual Language Understanding

https://arxiv.org/pdf/2303.12513.pdf

本文探讨了，视觉语言预训练能否促进纯文本任务．

CLIP2 : Contrastive Language-Image-Point Pretraining from Real-World Point Cloud Data

https://arxiv.org/pdf/2303.12417.pdf

华为诺亚的工作．探讨了CLIP如何促进3D场景级别的理解．

医学图像

Less is More: Unsupervised Mask-guided Annotated CT Image Synthesis with Minimum Manual Segmentations

https://arxiv.org/pdf/2303.12747.pdf