ترجمه فارسی مقاله SlotLifter: قابلیت لیفتینگ با هدایت اسلات برای یادگیری میدان های تابشی شی محور

چکیده

The ability to distill object-centric abstractions from intricate visual scenes underpins human-level generalization. Despite the significant progress in object-centric learning methods, learning object-centric representations in the 3D physical world remains a crucial challenge. In this work, we propose SlotLifter, a novel object-centric radiance model addressing scene reconstruction and decomposition jointly via slot-guided feature lifting. Such a design unites object-centric learning representations and image-based rendering methods, offering state-of-the-art performance in scene decomposition and novel-view synthesis on four challenging synthetic and four complex real-world datasets, outperforming existing 3D object-centric learning methods by a large margin. Through extensive ablative studies, we showcase the efficacy of designs in SlotLifter, revealing key insights for potential future directions.

چکیده به فارسی (ترجمه ماشینی)

توانایی تقطیر انتزاع شیء محور از صحنه های بصری پیچیده ، زیربنای تعمیم سطح انسان است.با وجود پیشرفت چشمگیر در روشهای یادگیری شیء محور ، یادگیری بازنمایی های شیء محور در دنیای فیزیکی سه بعدی یک چالش مهم است.در این کار ، ما Slotlifter را پیشنهاد می کنیم ، یک مدل تابش شیء محور جدید که به بازسازی صحنه و تجزیه مشترک از طریق بلند کردن ویژگی با هدایت شکاف می پردازد.چنین طرحی بازنمودهای یادگیری شیء محور و روشهای رندر مبتنی بر تصویر را متحد می کند ، و عملکردهای پیشرفته ای را در تجزیه صحنه و سنتز نمای جدید بر روی چهار مجموعه داده مصنوعی به چالش کشیده و چهار پیچیده در دنیای واقعی ارائه می دهد ، و از هدف سه بعدی موجود است-روشهای یادگیری محور با حاشیه بزرگی.از طریق مطالعات گسترده ، ما اثربخشی طرح ها را در Slotlifter به نمایش می گذاریم و بینش های کلیدی را برای جهت های احتمالی آینده نشان می دهیم.