Tag · 3 篇

合成到真实泛化

分布 3D 视觉与重建2底层视觉与图像复原1

Wave-Former: Through-Occlusion 3D Reconstruction via Wireless Shape Completion

把视觉中的形状补全范式迁移到毫米波点云上，用三阶段流水线（候选表面生成→Transformer 补全→熵引导选择）解决穿透遮挡后的稀疏高噪点云补全问题；其纯合成训练、真实数据泛化的设定，对做稀疏/噪声点云补全和跨域泛化的视觉研究者有直接借鉴价值。

Order Matters: 3D Shape Generation from Sequential VR Sketches

把笔画时序作为条件信号注入草图编码器，再驱动扩散式三维生成器，为「手绘/交互输入→三维内容」这类任务提供了可复用的顺序感知编码思路与合成数据自动生成管线。

GFRRN: Explore the Gaps in Single Image Reflection Removal

用可学习 Mona 层做 PEFT 对齐预训练特征与复原模型特征，并用标签生成器统一合成/真实反射标签，可直接迁移到去雨、去雾等存在合成-真实域差的低层复原任务。