EDGAR扩散框架开源并获ACM TOG收录
热点事件持续更新
EDGAR扩散框架开源并获ACM TOG收录
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Kwan Yun 等提出 EDGAR，一种基于条件扩散的高效高斯头像精修框架。模型结合 MoE 架构与 Sapiens 提取的身份特征，利用一步扩散主干修正退化帧伪影，并构建了包含真实与合成样本的 EDGAR-SET 数据集。 实验结果显示，EDGAR 在感知与重建指标上均优于基线模型。目前，该论文的完整代码已开源，且论文已被 ACM 顶级图形学期刊 ACM Transactions on Graphics (TOG) 正式收录。
AI 根据报道生成 · 22 小时前更新
最新进展11月6日 13:00
EDGAR：基于扩散模型的高效高斯头像精修方法报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · MLEDGAR：基于扩散模型的高效高斯头像精修方法
研究提出 EDGAR，一种条件扩散框架，旨在通过修正伪影提升高斯头像质量。 该模型结合 MoE 架构与 Sapiens 模型提取的身份特征，利用一步扩散主干对退化帧进行精修，并构建了含真实与合成样本的 EDGAR-SET 数据集。 实验显示 EDGAR 在感知与重建指标上优于基线，代码已开源并获 ACM TOG 收录。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 911月6日 15:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。