NeRF−−: Neural Radiance Fields Without Known Camera Parametrs ZIRUI WANG, SHANGZHE WU, SHANGZHE WU, MIN CHEN, VICTOR ADRIAN PRISACARIU 이 논문은 알려진 카메라 포즈나 본질적인 요소 없이 2D 이미지에서 새로운 뷰 합성(NVS) 문제를 다룹니다. 다양한 NVS 기술 중 NeRF(Neural Radiance Field)는 놀라운 합성 품질로 인해 최근 인기를 얻고 있습니다. 기존 NeRF 기반 접근 방식은 각 입력 이미지와 관련된 카메라 매개변수가 학습 시 직접 액세스할 수 있거나 동작 구조와 같은 대응을 기반으로 하는 기존 기술로 정확하게 추정할 수 있다고 가정합니다. 이 작업에서 우리는 미리 계산된..

Towards real-time photorealistic 3D holography with deep neural networks Liang Shi, Beichen Li, Changil Kim, Petr Kellnhofer & Wojciech Matusik 지속적인 깊이 감각으로 3차원 (3D) 장면을 표현하는 기능은 가상 및 증강 현실, 인간-컴퓨터 상호 작용, 교육 및 훈련에 큰 영향을 미칩니다. 컴퓨터 생성 홀로그래피(CGH)는 회절 및 간섭의 수치 시뮬레이션을 통해 높은 공간 각도 해상도의 3D 투영을 가능하게합니다. 그러나 기존의 물리적 기반 방법은 픽셀 당 초점 제어와 정확한 오클루전을 모두 갖춘 홀로그램을 생성하지 못합니다. 계산에 부담이 되는 Fresnel 회절 시뮬레이션은 이미지 품질과 ..

Fast R-CNN Ross Girshick Microsoft Research Abstract 이 논문은 물체 감지를 위한 Fast Region 기반 Convolutional Network 방법 (Fast R-CNN)을 제안합니다. Fast R-CNN은 이전 작업을 기반으로 딥 컨볼루션 네트워크를 사용하여 객체 제안을 효율적으로 분류합니다. 이전 작업과 비교하여 Fast R-CNN은 몇 가지 혁신을 사용하여 학습 및 테스트 속도를 향상시키는 동시에 탐지 정확도를 높입니다. Fast R-CNN은 매우 깊은 VGG16 네트워크를 R-CNN보다 9배 더 빠르게 훈련시키고, 테스트 시간에 213배 더 빠르며, PASCAL VOC 2012에서 더 높은 mAP를 달성합니다. SPPnet에 비해 Fast R-CNN은..

Rich feature hierarchies for accurate object detection and semantic segmentation Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik UC Berkeley Abstract 표준 PASCAL VOC dataset에서 측정한 물체 감지 성능은 지난 몇 년 동안 정체되었습니다. 가장 성능이 좋은 방법은 일반적으로 여러 low-level 이미지 기능과 high-level context를 결합하는 복잡한 앙상블 시스템입니다. 이 논문에서 우리는 VOC 2012의 이전 최고 결과에 비해 mAP를 30 % 이상 향상시켜 53.3 %의 mAP를 달성하는 간단하고 확장 가능한 탐지 알고리즘을 제안합니다. 우리..