Tag · 3 篇
Transformer-编码器
分布 3D 视觉与重建2视频理解与时序1
01 02 03
面向电影预告片生成的自步自纠正掩码预测
Self-Paced and Self-Corrective Masked Prediction for Movie Trailer Generation
把「掩码预测 + 自步掩码比例 + 逐步高置信填充再重掩码」的自纠正解码思路引入视频镜头序列生成，可迁移到视频摘要、镜头排序、故事线重组等时序编辑任务，替代易误差传播的「先选后排序」两阶段范式。
PhysSkin：基于自监督神经蒙皮的实时可泛化物理动画
PhysSkin: Real-Time and Generalizable Physics-Based Animation via Self-Supervised Neural Skinning
把线性混合蒙皮推广为连续神经蒙皮场，用 Transformer 编码器加交叉注意力解码器从手柄变换生成与离散化无关的形变基函数，可直接用于实时角色动画与物理仿真中的任意网格或点云驱动。
面向空间频谱合成的可泛化射频辐射场
Generalizable Radio-Frequency Radiance Fields for Spatial Spectrum Synthesis
把 NeRF 式的辐射场从光学域搬到射频域，并用几何感知 Transformer 编码器实现跨场景泛化，为视觉研究者提供「场景无关潜变量辐射场 + 神经光线追踪」这一可迁移范式，可用于无线感知、波束预测与跨场景泛化建模。