（本文阅读时间：5分钟）
2024年的ECCV大会于10月4日在意大利米兰圆满结束。作为计算机视觉领域的三大顶级会议之一，ECCV是全球计算机视觉研究者交流最新研究成果的重要平台。
根据此前粉丝朋友们的投票结果，我们
邀
请了票选人气最高的三篇ECCV论文的作者，于
明天（
10月29
日）
下午14:00，在微软亚洲研究院的直播间
分享他们的前沿
工作。欢迎大家锁定直播间！
直播时间：
2024年10月29日（明天） 14:00-15:00
直播地址：
微信视频号“微软亚洲研究院
”
B 站账号“微软科技”直播间
牟芯志，微软亚洲研究院多媒体计算组研发工程师。现阶段
主要在
研究方向为视觉内容生成领域，包括图像和视频内容的生成、重建和压缩等。此前还进行过图像和视频内容检测和识别相关工作。
分享内容：
FontStudio: 用于生成连贯一致字体效果的形状自适应扩散模型
FontStudio: Shape-Adaptive Diffusion Model for Coherent and Consistent Font Effect Generation
论文摘要：
特效字体生成任务需要在生成用户提示内容的同时，额外保证生成内容的轮廓与用户所提供的字符轮廓相似。我们提出的 FontStudio 框架，包含形状自适应扩散模型和形状自适应风格迁移算法，解决了非规则画布上的生成问题以及字符风格统一问题。
论文链接：
https://www.ecva.net/papers/eccv_2024/papers_ECCV/papers/07569.pdf
项目链接：
https://font-studio.github.io/
祁琳峰，博士五年级，导师为
吕岩老师，目前在多媒体计算组进行实习及联合培养，研究方向为端到端的视频编解码。
分享内容：
神经视频压缩的长期时间上下文收集
Long-term Temporal Context Gathering for Neural Video Compression
论文摘要：
现有的视频压缩模型主要通过估计光流来利用短时间上下文，本篇论文额外引入长时间间隔的参考特征，并对参考特征进行聚类和类内特征搜索来提取长时间上下文，丰富上下文的多样性并抑制误差传播，从而提升模型的压缩性能。
论文链接：
https://www.ecva.net/papers/eccv_2024/papers_ECCV/papers/08346.pdf
张博文，博士四年级，师从郭百宁老师。目前在视觉计算组从事高质量生成模型的研究，已在多个计算机视觉顶级会议上发表过多篇论文，研究内容涵盖二维图像生成和三维物体生成等领域。
分享内容：
RodinHD: 使用扩散模型生成高保真3D头像
RodinHD: High-Fidelity 3D Avatar Generation with Diffusion Models
论文摘要：
RodinHD 旨在精确拟合并为用户生成高质量的数字化身。本篇论文首先解决了共享解码器拟合过程中的灾难性遗忘问题，实现了高质量数据拟合；其次增强了输入图像的在生成过程中的指导效果，并针对三维扩散模型修改了加噪过程，实现了高保真度数字化身生成。
论文链接：
https://arxiv.org/abs/2407.06938
项目链接：
https://rodinhd.github.io/
分享内容：
FontStudio: Shape-Adaptive Diffusion Model for Coherent and Consistent Font Effect Generation
分享者：
牟芯志
分享内容：
Long-term Temporal Context Gathering for Neural Video Compression
分享者：
祁琳峰
