關(guān)注領(lǐng)域：

• AIGC
  

• 3D computer vision learning

• Fine-grained learning

• GNN

• 其他
  

• 聲明
  

• 論文較多，時間有限，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142篇

03.21 ArXiv共更新221篇

03.20 ArXiv共更新99篇

AIGC

Diffusion-based Document Layout Generation

https://arxiv.org/pdf/2303.10787.pdf

利用

利用擴(kuò)散模型做文檔布局生成．

LayoutDiffusion: Improving Graphic Layout Generation by　Discrete Diffusion Probabilistic Models

https://arxiv.org/pdf/2303.11589.pdf

Text2Tex: Text-driven Texture Synthesis via Diffusion Models

https://arxiv.org/pdf/2303.11396.pdf

使用Diffusion model 完成文本引導(dǎo)的3D物體的紋理合成．真的是什么樣的科研角度都有?。?/p>

SKED: Sketch-guided Text-based 3D Editing

https://arxiv.org/pdf/2303.10735.pdf

西蒙弗雷澤大學(xué)和英偉達(dá)的工作．

將草圖和擴(kuò)散模型與NeRF相結(jié)合，實現(xiàn)基于草圖和文本的3D shape的可控區(qū)域編輯．

這個方向太卷了實在是！

3DQD: Generalized Deep 3D Shape Prior via Part-Discretized Diffusion Process

https://arxiv.org/pdf/2303.10406.pdf

本文提出了一個統(tǒng)一的3D先驗生成模型，主要利用了VQ-VAE和diffusion model．且能夠支持很多任務(wù)，比如點(diǎn)云補(bǔ)全，無條件的shape生成以及跨模態(tài)的shape生成.

Vox-E: Text-guided Voxel Editing of 3D Objects

https://arxiv.org/pdf/2303.12048.pdf

真的好卷，谷歌的一篇工作．利用LDM實現(xiàn)文本到3D物體的編輯，面向體素．

Zero-1-to-3: Zero-shot One Image to 3D Object

https://arxiv.org/pdf/2303.11328.pdf

Text2Room: Extracting Textured 3D Meshes from 2D Text-to-Image Models

https://arxiv.org/pdf/2303.11989.pdf

擴(kuò)散模型相關(guān)

Object-Centric Slot Diffusion

https://arxiv.org/pdf/2303.10834.pdf

本文探討了如何使用擴(kuò)散模型來促進(jìn)object-centric的復(fù)雜場景理解，提出了基于擴(kuò)散模型的object-centric slot attention.

VLP

EVA-02: A Visual Representation for Neon Genesis

https://arxiv.org/pdf/2303.11331.pdf

曹越大神的EVA系列．只能說太強(qiáng)了．

VLP for 3D

Grounding 3D Object Affordance from 2D Interactions in Images

https://arxiv.org/pdf/2303.10437.pdf

這是一篇從2D圖像中的學(xué)習(xí)交互信息，進(jìn)而來促進(jìn)3D object affordance grounding的學(xué)習(xí)．

3D Concept Learning and Reasoning from Multi-View Images

https://arxiv.org/pdf/2303.11327.pdf

3D multi-view visual question answering新的benchmark. 是個新坑.

CLIP goes 3D: Leveraging Prompt Tuning for Language Grounded 3D Recognition

https://arxiv.org/pdf/2303.11313.pdf

CLIP拓展到3D領(lǐng)域．

醫(yī)學(xué)圖像

HybridMIM: A Hybrid Masked Image Modeling Framework for 3D Medical Image Segmentation

https://arxiv.org/pdf/2303.10333.pdf

MIM的思想，應(yīng)用到了3D醫(yī)學(xué)圖像上．