arXiv · 机器人与计算机视觉· Dongxu Wei, Qi Xu, Zhiqi Li, Hangning Zhou, Cong Qiu, Hailong Qin, Mu Yang, Zhaopeng Cui, Peidong Liu·· 2026-10-20精选AI 评分78
Any 3D Scene is Worth 1K Tokens:基于3D接地表示的大规模场景生成
Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale
AI 导读
该论文提出在由强大2D基础模型(如DINOv2、SigLIP2等)导出的高维隐式3D潜空间内直接进行场景生成,以解决传统2D多视图方法存在的表征冗余和空间一致性受限问题。
推荐理由
原文提出在基于2D基础模型的3D隐式潜空间直接进行场景生成,实验验证了该方法在效率与空间一致性上的优势。
来源:arXiv · 机器人与计算机视觉 · arxiv.org