Неявные нейронные представления для 3D генерации и реконструкции с нескольких точек обзора

Неявные Нейронные Представления (ННП) недавно стали популярны в роли удобного и компактного 3D представления, хорошо подходящего для нужд дифференцируемого рендеринга. Однако обычным ННП и алгоритмам для их оптимизации не хватает ряда свойств, особенно важных для задач реконструкции с нескольких точек обзора и 3D генерации.

Эти свойства включают неспособность ННП описывать большое разнообразие объектов одновременно и низкую скорость рендеринга, кроме того, при совмещении с генеративными подходами, ННП часто не способны генерировать результаты, которые были бы одновременно согласованы с разных точек обзора в пространстве (3D) или согласованы между собой (в случае генерации нескольких примеров).

Для преодоления описанных затруднений в докладе будет предложен и описан ряд методов.

Докладчик

Савва Игнатьев

Инженер-исследователь центра прикладного ИИ Сколтеха

Оппонент

Айбек Аланов

Кандидат компьютерных наук, руководитель группы «Управляемый генеративный ИИ» лаборатории FusionBrain AIRI, заведующий Центром глубинного обучения и байесовских методов ВШЭ