3D Transformer
PulseAugur coverage of 3D Transformer — every cluster mentioning 3D Transformer across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的AI模型改进稀疏数据CBCT图像重建 · 跟踪2个来源
两篇新的研究论文介绍了从稀疏投影数据重建锥束CT（CBCT）图像的先进方法。EUReCA是一种几何感知的前馈模型，它将学习到的投影特征与帧内重建方法和3D Transformer相结合，以有效地处理可变的视图数量。SparseTokenGS利用可重用的令牌池和基于高斯的具有注意力机制的方法，在重建过程中保持扫描范围的上下文，并在胸部和牙科数据集上取得了高性能。
-
UniPart 引入零样本语言基础3D部件分割
研究人员引入了UniPart，一种新颖的前馈跨模态3D Transformer，专为零样本语言基础3D部件分割而设计。该模型旨在克服现有3D基础模型的局限性，通过实现具有开放词汇迁移能力的部件感知分割。UniPart以CLIP文本嵌入为条件，并使用LangPart-1M数据集进行训练，该数据集包含超过16万个Objaverse资产和800万个文本到部件对。该系统在部件分割基准测试中表现出强大的零样本性能，并已成功应用于现实场景中的语言…
-
RelFlexformers引入高效3D-Transformer注意力与新颖位置编码
研究人员推出RelFlexformers，一类新颖的3D-Transformer模型，其利用高效注意力机制与可积分相对位置编码。这些模型在长度为L的输入序列上实现了O(L log L)的注意力计算时间复杂度。通过构建在非均匀傅里叶变换理论之上，RelFlexformers可以将现有的高效注意力方法泛化到非结构化和异构场景，使其适用于点云建模等任务。在各种3D数据集上的实证评估表明，这些新的注意力调制技术带来了质量上的提升。