جدول پیوندها
چکیده و 1 مقدمه
2. کارهای مرتبط
3. روش و 3.1. معماری
3.2. ضرر و 3.3. جزئیات پیاده سازی
4. بررسی داده ها
4.1. مجموعه داده های آموزشی
4.2. معیار ارزیابی
5. آزمایش ها و 5.1. معیارها
5.2. خطوط پایه
5.3. مقایسه با روش های SOTA
5.4. نتایج کیفی و 5.5. مطالعه ابلیشن
6. محدودیت ها و بحث
7. نتیجه گیری و مراجع
الف. مقایسه کیفی اضافی
ب. استنباط در مورد تصاویر تولید شده توسط هوش مصنوعی
ج. جزئیات مدیریت داده
چکیده
ما مشکل بازسازی شکل سه بعدی صفر شات تک تصویری را مطالعه می کنیم. کارهای اخیر بازسازی شکل صفر شات را از طریق مدلسازی مولد داراییهای سهبعدی یاد میگیرند، اما این مدلها از نظر محاسباتی در زمان قطار و استنتاج گران هستند. در مقابل، رویکرد سنتی به این مشکل مبتنی بر رگرسیون است، که در آن مدلهای قطعی آموزش داده میشوند تا مستقیماً شکل شیء را رگرسیون کنند. چنین روشهای رگرسیون دارای بازده محاسباتی بسیار بالاتری نسبت به روشهای مولد هستند. این یک سوال طبیعی را ایجاد می کند: آیا مدل سازی مولد برای عملکرد بالا ضروری است یا برعکس، آیا رویکردهای مبتنی بر رگرسیون هنوز رقابتی هستند؟
برای پاسخ به این، یک مدل مبتنی بر رگرسیون قوی به نام ZeroShape بر اساس یافتههای همگرا در این زمینه و بینش جدیدی طراحی میکنیم. ما همچنین یک …