Mesh R-CNN Georgia Gkioxari, Jitendra Malik, Justin Johnson Abstract 2D 지각의 급속한 발전으로 인해 실제 영상의 물체를 정확하게 감지하는 시스템이 생겨났습니다. 그러나 이 시스템은 세계의 3D 구조를 무시하고 2D로 예측한다. 동시에, 3D 형상 예측의 진보는 대부분 합성 벤치마크와 분리된 물체에 초점을 맞추고 있습니다. 우리는 이 두 분야에서 진보를 통합한다. 우리는 실제 이미지에서 물체를 감지하여 각 물체의 완전한 3D 형상을 제공하는 삼각형 메쉬를 제작하는 시스템을 제안한다. Mesh R-CNN이라고 하는 우리의 시스템은 메쉬의 정점과 에지에 걸쳐 작동하는 그래프 컨볼루션 네트워크로 다듬어진 거친 복셀 표현을 먼저 예측하여 다양한 위상 구조의..

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 ..