English(EN) CoTL: Compact Token Learning for 3D Scene Representation

新的CoTL框架从多视图图像中学习紧凑型3D场景Token

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员推出了一种新颖的CoTL框架，旨在从多视图图像中学习3D场景的紧凑型Token表示。该方法将输入图像压缩成一小组潜在Token，这些Token聚合了不同视图的信息，形成一个随着可用观测值而增长的场景表示。然后，基于查询的高斯解码器利用这些Token重建显式的3D高斯基元，从而实现具有竞争力的新视角合成，并作为生成式3D场景模型的潜在空间。 AI

影响这项研究可能带来更高效的3D场景数据存储和生成方法，对虚拟现实和内容创作等领域产生影响。

排序理由该集群包含一篇详细介绍3D场景表示新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍3D场景表示新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Han Liang, Sibo Wu, Anpei Chen, R\"udiger Westermann · 2026-10-15 04:00

CoTL：3D场景表示的紧凑型Token学习

arXiv:2610.18446v2 Announce Type: replace Abstract: We present CoTL, a framework that learns a compact set of tokens that preserves scene geometry and appearance from unposed multi-view images. Our encoder compresses the input images into small per-view sets of latent tokens that…

本文如何被排名

报道来源 [1]

CoTL：3D场景表示的紧凑型Token学习

相关实体

相关话题