NeRF＆Beyond进展6.30日报（Michelangelo，One-2-3-45，ID-Pose，自动驾驶综述）

三维生成相关

Michelangelo: Conditional 3D Shape Generation based on Shape-Image-Text Aligned Latent Representation

https://arxiv.org/abs/2306.17115

上海科技大学、腾讯、复旦大学等

一种新的生成前对齐的方法，用来解决通过2D图像或文本生成3D shape的问题。

One-2-3-45: Any Single Image to 3D Mesh in 45 Seconds without Per-Shape Optimization

https://arxiv.org/abs/2306.16928

UCSD，UCLA，康奈尔大学，浙江大学，印度理工学院，Adobe

使用一张任意物体的单图作为输入，在一个feed-forward pass里输出360度的3D带纹理mesh。

相机运动与姿态估计

ID-Pose: Sparse-view Camera Pose Estimation by Inverting Diffusion Models

https://arxiv.org/abs/2306.17140

腾讯ARC Lab

ID-Pose，使用Zero-1-to-3的预训练模型，通过diffusion的逆过程，预测两个输入图片之间的相对姿态。

The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes

https://arxiv.org/abs/2306.16917

University of Zaragoza, ETH, University of Amsterdam, 微软

提出一个Drunkard数据集，一个面向视觉导航和可变形环境下重建的数据集。并提出Drunkard's Odometry，将光流估计分解为相机运动和非刚性场景变形的方法，用于可变形场景下的相机运动估计问题研究。

自动驾驶

https://arxiv.org/abs/2306.16927

UCSD，上海AI Lab， University ofTübingen，上海交通大学

定义端到端的自动驾驶系统为完全可分割的部分，使用原始传感器数据作为输入输出一个计算或low-level控制动作作为输出。本文提供了相应的技术综述。

今日更新结束

Jason陪你练绝技B站更新地址：https://space.bilibili.com/455056488

NeRF相关工作整理Github repo：https://github.com/yangjiheng/nerf_and_beyond_docs