- HyperNeRFGAN: гиперсетевой подход к 3D NeRF GAN (arXiv)
Автор: Адам Каня, Артур Касымов, Мацей Земба, Пшемыслав Шпурек.
Аннотация: В последнее время генеративные модели для 3D-объектов набирают большую популярность в приложениях виртуальной реальности и дополненной реальности. Обучение таких моделей с использованием стандартных 3D-представлений, таких как воксели или облака точек, является сложной задачей и требует сложных инструментов для правильной цветопередачи. Чтобы преодолеть это ограничение, Neural Radiance Fields (NeRF) предлагают современное качество синтеза новых видов сложных 3D-сцен из небольшого подмножества 2D-изображений. В статье мы предлагаем генеративную модель под названием HyperNeRFGAN, которая использует парадигму гиперсетей для создания трехмерных объектов, представленных NeRF. Наша архитектура GAN использует парадигму гиперсети для преобразования гауссовского шума в веса модели NeRF. Далее модель используется для рендеринга новых 2D-видов, а классический 2D-дискриминатор используется для обучения всей структуры на основе GAN. Наша архитектура создает 2D-изображения, но мы используем представление NeRF с поддержкой 3D, что заставляет модель создавать правильные 3D-объекты. Преимущество модели по сравнению с существующими подходами заключается в том, что она создает специальное представление NeRF для объекта без совместного использования некоторых глобальных параметров компонента рендеринга. Мы показываем превосходство нашего подхода по сравнению с эталонными базовыми уровнями на трех сложных наборах данных из разных областей.
2. Свойства сходимости оптимальных транспортных темпоральных гиперсетей (arXiv)
Автор: Диего Баптиста, Катерина де Бакко.
Аннотация: Мы представляем метод извлечения временных гиперграфов из последовательностей двумерных функций, полученных в результате решения задач оптимального транспорта. Мы исследуем принципы оптимальности этих решений с точки зрения структур гиперграфов. Дискретные свойства следуют шаблонам, которые отличаются от тех, которые характеризуют их непрерывные аналоги. Анализ этих закономерностей может дать новое понимание изучаемых принципов транспортировки. Мы также сравниваем эти структуры более высокого порядка с их сетевыми аналогами с точки зрения стандартных свойств графа. Мы приводим доказательства того, что некоторые транспортные схемы могут выиграть от представления гиперсетей. Мы демонстрируем наш метод на реальных данных, анализируя свойства гиперсетей, извлеченных из изображений реальных систем.
