Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Konferenzbeitrag

ATISS: Autoregressive Transformers for Indoor Scene Synthesis

MPG-Autoren
/persons/resource/persons236923

Paschalidou,  Despoina
Max Planck Research Group Autonomous Vision, Max Planck Institute for Intelligent Systems, Max Planck Society;
External Organizations;

/persons/resource/persons118754

Geiger,  Andreas
Max Planck Research Group Autonomous Vision, Max Planck Institute for Intelligent Systems, Max Planck Society;
External Organizations;

Externe Ressourcen

https://papers.nips.cc/paper_files/paper/2021/hash/64986d86a17424eeac96b08a6d519059-Abstract.html
(Verlagsversion)

https://doi.org/10.48550/arXiv.2110.03675
(Preprint)

Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PuRe verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Paschalidou, D., Kar, A., Shugrina, M., Kreis, K., Geiger, A., & Fidler, S. (2022). ATISS: Autoregressive Transformers for Indoor Scene Synthesis. In M. Ranzato, A. Beygelzimer, Y. Dauphin, P. S. Liang, & J. Wortman Vaughan (Eds.), Advances in Neural Information Processing Systems 34 (pp. 12013-12026). Red Hook, NY: Curran Associates, Inc. Retrieved from https://papers.nips.cc/paper_files/paper/2021/hash/64986d86a17424eeac96b08a6d519059-Abstract.html.


Zitierlink: https://hdl.handle.net/21.11116/0000-000D-4228-C
Zusammenfassung
Es ist keine Zusammenfassung verfügbar