跳到正文
arXiv · 机器人与计算机视觉· Dorian Chan, Muhammed Kocabas, Xiaoming Zhao, Oncel Tuzel, Jen-Hao Rick Chang·· 6 天前AI 评分65

Split-and-scale Latent 3D Representations:一种在推理阶段扩展潜在容量以捕捉复杂物体细节的方法

Split-and-scale Latent 3D Representations

AI 导读

论文提出 split-and-scale 方法解决潜在表示在捕捉复杂物体细节上的局限。核心思路是将 3D 场景视为坐标的连续函数,利用预训练 tokenizer 在推理时对任意小区域进行局部化分配,使相同潜在容量服务于更小空间范围从而提升细节表现。实验表明该方法在计算、内存与重建质量间取得平衡,生成的 3D 模型质量可与更大规模模型竞争,且支持高质量的自回归 3D 生成建模。

来源:arXiv · 机器人与计算机视觉 · arxiv.org