#ECCV 2024

awesome-nerf-editing

本项目汇集了辐射场编辑领域的开创性研究成果、调查报告和最新进展。涵盖ECCV、SIGGRAPH、CVPR等顶级会议，提供不断更新的资源和文献。专业研究人员和爱好者均可在此找到关于NeRF和3D Gaussian Splatting技术的详尽信息。欢迎关注项目动态，并通过提交Issues或Pull Requests参与讨论和维护。

MOFA-Video

MOFA-Video项目采用稀疏到稠密运动生成和基于流的运动适配技术，能通过轨迹、关键点序列及其组合等多种控制信号将单张图像转化为动画。最新更新包括关键点面部图像动画的推理脚本和轨迹图像动画的训练代码。该项目即将亮相ECCV 2024，并提供多个演示和检查点，便于用户测试和使用。访问项目页面了解更多详情和效果展示。

ECCV2024-Papers-with-Code

探索ECCV 2024的最新论文和开源项目，其中涵盖3D点云、自动驾驶、GAN和Vision Transformer等领域。ECCV 2024展示了前沿的计算机视觉和深度学习研究成果，提供论文和代码链接，帮助研究人员和开发者紧跟技术前沿。加入CVer学术交流群，与顶尖学者交流并获取最新的学习资料。

GaussianImage

GaussianImage是一种基于2D高斯溅射的图像表示和压缩方法。它使用紧凑的2D高斯表示和新型栅格化技术，实现高效图像表示，具有训练时间短、GPU内存占用少和渲染速度快等特点。该方法结合矢量量化技术，构建了低复杂度的神经图像编解码器。解码速度达2000 FPS左右，优于JPEG等传统编解码器，并在低比特率下提供更好的压缩性能，推动了神经图像编解码技术的发展。

Denoising-ViT

Denoising Vision Transformers (DVT)是一种新型方法,用于消除视觉Transformer (ViT)特征图中的视觉伪影。DVT通过去除这些伪影,显著提升了ViT在语义分割和深度估计等密集识别任务中的表现。实验结果表明,DVT能有效改善MAE、DINO、DINOv2等多种预训练ViT模型在PASCAL VOC、ADE20K和NYU-D等数据集上的下游任务性能。