arXiv · 机器人与计算机视觉· Xiaokun Sun, Jian Yang, Zhenyu Zhang·· 16 天前AI 评分68
SeMo3D:通过选择性建模统一 3D 生成、编辑与补全
SeMo3D: Unifying 3D Generation, Editing, and Completion via Selective Modeling
AI 导读
论文 SeMo3D 提出选择性建模范式,将 3D 生成、编辑和补全统一为在选定区域合成内容而保持其余部分不变的任务。该方法无需配对数据即可训练,利用区域选择性去噪和多条件扩散 Transformer(Omni3DiT)架构融合图像、文本和点云引导。实验表明其在三个基准测试中超越最先进方法,具备多模态可控性并在编辑与补全任务上保持强一致性和准确性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org