• 關(guān)注領(lǐng)域：

• AIGC
  

• 3D computer vision learning

• Fine-grained learning

• GNN

• 其他
  

• 聲明
  

• 論文較多，時(shí)間有限，本專欄無法做文章的講解，只挑選出符合PaperABC研究興趣和當(dāng)前熱點(diǎn)問題相關(guān)的論文，如果你的research topic和上述內(nèi)容有關(guān)，那本專欄可作為你的論文更新源或Paper reading list．

Paper list:

今日ArXiv共更新130篇

NeRF

PartNeRF: Generating Part-Aware Editable 3D Shapes without 3D Supervision

https://arxiv.org/pdf/2303.09554.pdf

斯坦福Guibas組的工作，提出了PartNeRF，可以實(shí)現(xiàn)物體部件級(jí)別的編輯．主要做法就是通過定義一系列的local NeRF，配合放射變換．這個(gè)工作的編輯粒度已經(jīng)來到part級(jí)別了，非常推薦！

LERF: Language Embedded Radiance Fields

https://arxiv.org/pdf/2303.09553.pdf

伯克利的一篇工作．提出了LERF，是將CLIP的語言能力Ground到NeRF的3D空間中，使得LERF具備了text ground的能力．這篇工作個(gè)人認(rèn)為很有意思，想法很獨(dú)特，對(duì)機(jī)器人的發(fā)展也很有促進(jìn)作用．

AIGC

P+: Extended Textual Conditioning in Text-to-Image Generation

https://arxiv.org/pdf/2303.09522.pdf

谷歌的工作．提出了一種區(qū)別于以往文本注入擴(kuò)散模型的方式．采用逐層注入．每一層注入的embedding不同．

Unified Multi-Modal Latent Diffusion for Joint Subject and Text Conditional Image Generation

https://arxiv.org/pdf/2303.09319.pdf

北大的工作，在給定參考圖和輸入文本的情況下，如何實(shí)現(xiàn)保持參考圖屬性的同時(shí)，根據(jù)文本生成特定內(nèi)容．這個(gè)工作很有參考意義，同樣輸入是多種模態(tài)信息調(diào)制下的生成問題．