Note记录本人阅读过的论文（精读 or 略读），写的不好还请见谅 >_<|||●3D Representations（各种三维表征）1.DeepSDF: 第一个用神经网络来直接拟合 SDF 的工作2.Siren: 探索周期性激活函数用于隐式神经表示3.NeRF: 用于新视角合成的神经辐射场，三维表征领域划时代工作4.NeRF 的改进工作，如 Mip-NeRF, Plenoxels, PlenOctrees, Instant-NGP, MobileNeRF, NeuS 等5.3DGS: 用于三维重建的高斯椭球显式表示，又一划时代工作●CV1.Segment Anything: 通用分割模型，几乎在分割领域 “杀死比赛”2.…… 更多的 CV 论文放在划分更细的 topic 里●Generation Model1.VAE: 变分自编码器，生成领域的开山之作，其思想贯穿在后续的扩散模型中2.GAN: 生成对抗网络，通过 “左脚踩右脚上天” 的方式另辟生成之蹊径3.DDPM: 扩散模型的奠基之作，真正把扩散模型带火并超越 GAN 系列4.DDPM 的改进工作，如 DDIM, IDDPM 等5.Stable Diffusion: 基于扩散模型的文生图模型●HMR (Human Motion Recovery)1.GVHMR: 预测 world-grounded SMPL 参数●Monocular (Human) Reconstruction（通过单目视频重建人体）1.HumanNeRF: 把 NeRF 应用到人体重建，过拟合到某个视频的人体上2.HUGS & GaussianAvatar: 把 3DGS 应用到人体重建，通过 gaussian-per-vertex 结合 Gaussian & Mesh3.ExAvatar: 同样是 gaussian-per-vertex 但做得更完整、更细节●Sparse View (Human) Reconstruction（通过单张图重建人体）1.SMPL: 人体重建领域绕不开的话题，通过参数化表示大大减小 mesh 的复杂度，并广泛应用于后续工作（甚至成为预测目标）2.PIFu & PIFuHD: PIFu 是第一个用隐式神经表示 (occupancy field) 做人体重建的工作，PIFuHD 是其改进3.PaMIR: 在 PIFu 基础上引入 SMPL prior4.ICON & ECON: 综合 SMPL 和 normal map 优化，分别以隐式 (occupancy field) 和显式 (normal integration) 方式进行重建5.SHERF: 将 generalizable NeRF 引入人体领域，实现单视图人体重建6.GTA & SIFU: 用 ViT 提取图像信息，结合 cross-attention 解耦各个侧面特征，更好地重建出 occupancy field，辅以一定 refinement7.Human-LRM: 将 Large Reconstruction Model 特化到人体领域，结合扩散模型生成多视图，最后采用成熟的多视角人体重建8.HumanSplat: 把 3DGS 引入单视图人体重建，同样结合扩散模型生成多视图，用 transformer 融合后 MLP 预测高斯属性●跟李沐学 AI 之论文精读1.如何读论文: 如何读论文【论文精读·1】2.Transformer (Attention is All You Need): Transformer 论文逐段精读【论文精读】3.GAN: GAN论文逐段精读【论文精读】4.ViT: ViT 论文逐段精读【论文精读】5.MAE: MAE 论文逐段精读【论文精读】6.MoCo: MoCo 论文逐段精读【论文精读】7.对比学习串讲: 对比学习论文综述【论文精读】8.Swin Transformer: Swin Transformer论文精读【论文精读】9.CLIP: CLIP 论文逐段精读【论文精读】10.DALLE2: DALL·E 2（内含扩散模型介绍）【论文精读】