Tag · 2 篇

合成到真实域迁移

Iris: Bringing Real-World Priors into Diffusion Model for Monocular Depth Estimation

把扩散模型的生成先验按频段拆开使用：低频用真实数据蒸馏、高频用合成真值约束，并通过高到低的时间步调度共享权重，这套「先验-几何」两阶段确定性采样思路可直接迁移到其他以扩散先验做稠密回归的视觉任务（如表面法向、光流）。

EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision

把「对象先验从合成数据迁移到真实扫描」拆成可迭代的对象判别（动态精炼候选）与对象补全（重建遮挡几何）两个模块，为无监督 3D 实例分割提供了一条不依赖场景级标注、可跨域自适应的路线，可直接用于点云实例分割的预训练-微调流程。