CVPR 2024 | 仅靠文本或图像提示精准编辑3D场景,美图&信工所&北航&中大联合提出3D编辑方法CustomNeRF
美图影像研究院(MT Lab)与中国科学院信息工程研究所、北京航空航天大学、中山大学共同提出了3D场景编辑方法——CustomNeRF,同时支持文本描述和参考图像作为3D场景的编辑提示,该研究成果已被CVPR 2024接收。
查看更多美图影像研究院(MT Lab)与中国科学院信息工程研究所、北京航空航天大学、中山大学共同提出了3D场景编辑方法——CustomNeRF,同时支持文本描述和参考图像作为3D场景的编辑提示,该研究成果已被CVPR 2024接收。
查看更多摘要:为推动厦门计算机行业的可持续发展, CCF厦门会员活动中心于近日正式成立。厦门大学南强特聘教授、厦门大学科技处处长纪荣嵘当选CCF厦门首届主席,美图公司技术副总裁、美图影像研究院(MT Lab)负责人刘洛麒与华侨大学计算机学院院长缑锦当选CCF厦门副主席。
查看更多摘要:美图影像研究院(MT Lab)与中国科学院大学突破性地提出基于文生图模型的视频生成新方法EI2,用于提高视频编辑过程中的语义和内容两方面的一致性。
查看更多摘要:2023年10月15日,以“相约鹭岛,启智未来”为主题的第六届中国模式识别与计算机视觉大会(The 6th hinese Conference on Pattern Recognition and Computer Vision, PRCV 2023)在厦门圆满落幕。
查看更多摘要:美图影像研究院(MT Lab)与中国科学院大学共同提出盲人脸图像修复方法DiffBFR,用于修复退化模型未知的低质量图像。该方法探索了两种生成式模型GAN和DPM对长尾问题的适应性,设计合适的人脸修复模块来得到更加准确的细节信息,进而降低生成式方法带来的脸部过平滑现象,从而提高修复精度和准确性。该论文已被ACM MM 2023接收。
查看更多摘要:美图公司技术副总裁兼美图影像研究院(MT Lab)负责人刘洛麒受邀出席第十二届吴文俊人工智能科学技术奖颁奖典礼暨2022中国人工智能产业年会,并于视觉目标感知:现状与未来论坛发表主题报告《美图的人像探索:从过去到未来》。
查看更多摘要:美图影像研究院(MT Lab)与中国科学院大学突破性地提出正则化方法DropKey,用于缓解Vision Transformer中的过拟合问题。该方法通过在注意力计算阶段随机drop部分Key以鼓励网络捕获目标对象的全局信息,从而避免了由过于聚焦局部信息所引发的模型偏置问题,继而提升了基于Transformer的视觉类算法的精度。该论文已被计算机视觉三大顶会之一CVPR 2023接收。
查看更多摘要:美图影像研究院(MT Lab)与新加坡国立大学提出高效的MLP(多层感知机模型)视频主干网络,用于解决极具挑战性的视频时空建模问题。
查看更多摘要:来自美图影像研究院(MT Lab)与大连理工大学卢湖川团队的研究者们共同探究了如何仅使用文本描述作为参考的视频目标分割任务,突破性地提出了首个单阶段方法——YOFO,能够有效地进行端到端训练并达到当时最好的效果。目前,该论文已发表于国际人工智能领域顶级会议AAAI 2022。
查看更多摘要:近日,计算机视觉顶会CVPR 2022公布了会议录取结果,美图影像研究院(MT Lab)与北京航空航天大学可乐实验室(CoLab)联合发表的论文被接收。该论文突破性地提出分布感知式单阶段模型,用于解决极具挑战性的多人3D人体姿态估计问题。该方法通过一次网络前向推理同时获取3D空间中人体位置信息以及相对应的关键点信息,从而简化了预测流程,提高了效率。此外,该方法有效地学习了人体关键点的真实分布,进而提升了基于回归框架的精度。
查看更多摘要:围绕用户更具个性化的“变美”需求,美图影像研究院(MT Lab)自研基于深度学习的实时视频美容方案。通过设计轻量的神经网络生成式模型,结合强大的模型优化推理框架(Manis)和千万级人像图库训练优势,实现对动态视频人脸的瑕疵修复与暗沉祛除,同时最大程度地保留了皮肤的真实纹理细节。
查看更多摘要:美图影像研究院(MT Lab)正式推出美图画质修复算法V2(升级版),全新迭代版本取得重大技术突破,能够在保留人脸身份信息(identity),保持人脸不发生形变的同时,实现人像细节修复能力的大幅度提升,有效解决图片画质压缩、模糊、失焦、噪声、马赛克等多个画质修复核心痛点问题。目前已在美图秀秀证件照、工具箱及视频剪辑(照片)中上线该算法。
查看更多摘要:美图影像研究院(MT Lab)目前已经落地了多个头发生成项目,在美图旗下核心产品美图秀秀及海外产品AirBrush上线刘海生成、发际线调整与稀疏区域补发等功能。
查看更多