研究人员推出 ELSA3D，这是一种新颖的统一模型，专为 3D 理解和生成而设计。该模型采用弹性语义锚定，在匹配的抽象尺度上构建语言和几何推理，解决了先前将文本和 3D 数据视为扁平序列的方法的局限性。ELSA3D 使用了感知尺度的八叉树分词器，并引入了锚定 Token 来精确路由语义线索和几何证据，在图像到 3D 生成、文本到 3D 生成和 3D 描述方面取得了最先进的性能。与非弹性版本相比，该模型还展示了更高的效率，将 FLOPs 和推理延迟大致减半。 AI
影响 在基础模型中引入了一种新颖的文本-3D 交互方法，有望提高 3D 资产生成和推理的效率和性能。
排序理由 该集群描述了一篇介绍用于 3D 理解和生成的新颖模型的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.06565v1 Announce Type: cross Abstract: Unified 3D foundation models aspire to generate 3D assets and reason about them in language within a single backbone, but their text-3D interaction remains largely implicit. Existing methods concatenate text and 3D tokens into a f…
Unified 3D foundation models aspire to generate 3D assets and reason about them in language within a single backbone, but their text-3D interaction remains largely implicit. Existing methods concatenate text and 3D tokens into a flat sequence and rely on self-attention, collapsin…