论文/代码速递2022.11.21！

最新成果demo展示：

ECCV2022|AdaNeRF：自适应采样用于神经辐射场实时渲染！代码开源

标题：AdaNeRF: Adaptive Sampling for Real-time Rendering of Neural Radiance Fields

论文：https://arxiv.org/pdf/2207.10312.pdf

代码：https://github.com/thomasneff/AdaNeRF

摘要： 

最近，通过直接从稀疏观测中学习神经辐射场，新的视图合成发生了革命性的变化。然而，由于体绘制方程的精确求积需要每条射线的大量样本，因此使用这种新范式绘制图像的速度很慢。先前的工作主要集中在加快与每个采样点相关联的网络评估，例如，通过将辐射值缓存到显式空间数据结构中，但这是以牺牲模型紧凑性为代价的。在本文中，我们提出了一种新的双网络架构，通过学习如何最佳地减少所需采样点的数量，该架构采用正交方向。为此，我们将我们的网络拆分为一个采样和着色网络，这些网络是联合训练的。我们的训练方案沿每条射线采用固定的样本位置，并在整个训练过程中逐步引入稀疏性，以实现高质量，即使在低样本数下也是如此。在用目标样本数进行微调后，可以实时呈现得到的紧凑神经表示。我们的实验表明，我们的方法在质量和帧速率方面优于并发紧凑神经表示，并且与高效混合表示性能相当

最新论文整理

   ECCV2022

Updated on : 21 Nov 2022 

total number : 3 

Estimating more camera poses for ego-centric videos is essential for VQ3D

- 论文/Paper: http://arxiv.org/pdf/2211.10284

- 代码/Code: None

UnconFuse: Avatar Reconstruction from Unconstrained Images

- 论文/Paper: http://arxiv.org/pdf/2211.10098

- 代码/Code: None

The Runner-up Solution for YouTube-VIS Long Video Challenge 2022

- 论文/Paper: http://arxiv.org/pdf/2211.09973

- 代码/Code: None

    CVPR2022

   NeurIPS

Updated on : 21 Nov 2022

total number : 3

Look More but Care Less in Video Recognition

• 论文/Paper: http://arxiv.org/pdf/2211.09992

• 代码/Code: https://github.com/bespontaneous/afnet-pytorch

Ask4Help: Learning to Leverage an Expert for Embodied Tasks

• 论文/Paper: http://arxiv.org/pdf/2211.09960

• 代码/Code: https://github.com/allenai/ask4help

SAR-based landslide classification pretraining leads to better segmentation

• 论文/Paper: http://arxiv.org/pdf/2211.09927

• 代码/Code: https://github.com/vmboehm/sar-landslide-detection-pretraining

•