RayRoPE 引入用于多视图 3D 注意力的投影位置编码

研究人员开发了 RayRoPE，这是一种专为 3D 计算机图形学中的多视图 Transformer 设计的新型位置编码方法。这种新方法独特地编码图像块，实现 SE(3) 不变注意力，并通过预测 token 深度来适应底层 3D 场景几何。RayRoPE 在新视图合成和立体深度估计等任务中展现出了一致的改进，在 RE10K 数据集上 LPIPS 相对提高了 24%。 AI

影响 引入了一种改进 3D 计算机图形学中多视图注意力的技术，有望提高新视图合成和深度估计等任务的性能。

排序理由 该集群描述了一篇介绍 AI 模型中新位置编码方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• 3D computer graphics
• alphaXiv
• arXiv
• DagsHub
• Hugging Face
• RayRoPE
• RE10K
• SE(3)-Transformers: 3D Roto-Translation Equivariant Attention Networks
• Yu Wu

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →