11 月 18 日上传的预印本介绍 Ultimate3D。研究者用三维素材生成二维图像,并用已知的相机位置、物体朝向与镜头范围给图像配上问答。
作者整理了约 24 万组视觉问答及配套基准,用于评估模型能否在单张图里区分拍摄角度、物体朝向和构图。论文称,使用该数据训练后,模型在这些任务上的表现提高。
论文测试的是相机与物体的特定空间关系,比较结果以文章所列的数据和任务为限。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
研究用三维素材生成配有位置和视角标注的二维图像,形成约 24 万组问答。