论文地址：https://arxiv.org/pdf/2112.02308.pdf 开源代码：https://github.com/zhuhao-nju/mofanerf 摘要 我们提出了一个参数化模型，将自由视角图像映射到一个带有神经辐射场的编码面部形状、表情和外观的向量空间，即可变形面部神经网络。具体来说，MoFaNeRF将编码后的人脸形状、表情和外观以及空间坐标和视图方向作为MLP的输入，输出空间点的辐射亮度进行真实感图像合成。与传统的三维可变形模型(3DMM)相比，MoFaNeRF在直接合成眼睛、嘴巴和胡须的真实感面部细节方面表现出了优越性。同时，通过对输入的形状、表情和外观代码进行...

论文地址：https://arxiv.org/pdf/2205.03962.pdf 开源代码：https://github.com/HavenFeng/TRUST 摘要 虚拟面部头像将在沉浸式交流、游戏和虚拟世界中发挥越来越重要的作用，因此它们的包容性至关重要。这需要准确恢复反照率，无论年龄、性别或种族如何。虽然在估计 3D 面部几何形状方面取得了重大进展，但外观估计受到的关注较少。这项任务基本上是模棱两可的，因为观察到的颜色是反照率和光照的函数，这两者都是未知的。我们发现当前的方法偏向于浅肤色，这是由于（1）偏爱较浅色素沉着的强烈偏见先验和（2）忽略光/反照率模糊性的算法解决方案。为了解决...

【标题】Revisiting Some Common Practices in Cooperative Multi-Agent Reinforcement Learning 【作者团队】Wei Fu, Chao Yu, Zelai Xu 【发表日期】2022.8.7 【论文链接】https://arxiv.org/pdf/2206.07505.pdf 【推荐理由】多智能体协作强化学习（MARL）的许多进展都基于两个共同的设计原则：值分解和参数共享。这种方式的典型MARL算法将集中的Q函数分解为局部Q网络，并在智能体之间共享参数。这种算法范式可以实现集中训练和分散执行（CTDE），并在实践中实现...

【标题】Cliff Diving: Exploring Reward Surfaces in Reinforcement Learning Environments 【作者团队】Ryan Sullivan, J. K. Terry, Benjamin Black 【发表日期】2022.9.21 【论文链接】https://arxiv.org/pdf/2205.07015.pdf 【推荐理由】可视化优化景观已经在数值优化方面产生了许多基本见解，并对优化技术进行了新的改进。然而，对于强化学习优化的目标（“奖励表面”）的可视化仅在少数狭义环境中产生。这项工作首次介绍了27个最广泛使用的强化学习环境的...

【标题】History Compression via Language Models in Reinforcement Learning 【作者团队】Fabian Paischer, Thomas Adler, Vihang Patil 【发表日期】2022.9.1 【论文链接】https://arxiv.org/pdf/2205.12258.pdf 【推荐理由】在部分可观察马尔可夫决策过程（POMDP）中，智能体通常使用过去的表示来近似底层MDP。本文作者建议使用冻结的预训练语言转换器（PLT）进行历史表示和压缩，以提高采样效率。为了避免训练Transformer，作者引入了FrozenH...

论文地址：https://arxiv.org/abs/2209.03917 字节跳动和厦门大学提出基于掩码知识蒸馏的视觉自监督框架 dBOT，在 ImageNet 微调分类上仅使用 ImageNet-1k 作为预训练数据获得 89.0% 的预测精度，斩获自监督预训练榜首： https://paperswithcode.com/sota/self-supervised-image-classification-on-1 MIM需要什么样的预测目标？ 基于 Masked Image Modeling（MIM）的视觉预训练范式近来吸引了大量关注，具体来讲，MIM 首先随机 mask 输入图像...