研究人员推出TanGO，一个新颖的、无需训练的3D生成模型编辑框架。该方法通过在生成动力学的切线空间内实现自适应的每token引导，解决了现有方法在语义伪影和不完整变换方面的局限性。TanGO利用一步最优控制规则和方向差异度量来管理每个token的控制信号，从而显著减少结构伪影，并提高了相对于当前3D编辑基线的性能。 AI
影响 增强了3D生成模型编辑的控制力并减少了伪影，可能改善用户体验和输出质量。
排序理由 该集群包含一篇详细介绍3D生成模型编辑新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.14927v1 Announce Type: new Abstract: While recent flow-matching 3D generative models (e.g., VecSet) adopt structured representations, their tokens share global context, causing conventional training-free editing to suffer from semantic artifacts such as collapsed prese…
While recent flow-matching 3D generative models (e.g., VecSet) adopt structured representations, their tokens share global context, causing conventional training-free editing to suffer from semantic artifacts such as collapsed preserved regions or incomplete transformations. To a…