PulseAugur
中
实时 10:45:55
实体 PartNet

PartNet

PulseAugur coverage of PartNet — every cluster mentioning PartNet across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
  1. TOOL · CL_313455 ·

    LLM2R 使用大型语言模型进行3D零件组装

    研究人员开发了LLM2R,这是一种新颖的方法,它将3D零件组装视为一个序列建模问题,使用预训练的仅解码器大型语言模型。该方法将零件信息压缩成几何标记,然后由使用低秩自适应(LoRA)调整的大型语言模型进行处理。LLM2R引入了可学习的摘要标记来聚合组装信息,从而通过一次前向传播即可预测所有零件的姿态,提高了准确性和可扩展性,尤其适用于具有大量零件的物体。

  2. TOOL · CL_204134 ·

    Owner3D框架实现了无需训练的局部3D风格化

    研究人员推出了一种名为Owner3D的新型框架,该框架专为无需额外训练的局部3D风格化而设计。该方法将风格控制直接集成到大型重建模型(LRM)过程中,解决了风格泄露和边界模糊等挑战。Owner3D采用所有权引导的风格写入,将风格注入限制在特定区域,并利用边界双槽来维护目标区域和非目标区域的独立特征源,从而提高风格保真度和外观保持性。

  3. TOOL · CL_131574 ·

    新框架使用对比学习进行3D局部对称性检测

    研究人员开发了SymCL,一个新颖的自监督对比学习框架,用于检测3D几何中的局部对称性。该方法可以识别旋转、平移和反射对称性,而之前的方​​法仅限于反射平面或难以扩展。SymCL将局部测地线块映射到对欧几里得群不变的潜在空间,从而允许基于密度的聚类高效地发现多种对称关系。

  4. TOOL · CL_85006 ·

    新框架增强3D生成模型的可解释性

    研究人员开发了一个名为3D-CBM的框架,通过集成概念瓶颈模型(Concept Bottleneck Models)来增强3D生成模型的可解释性。该方法旨在通过将潜在表征与人类定义的概念对齐来弥合深度几何学习中的语义鸿沟。该框架在概念验证实验中已证明其有效性,在概念预测方面取得了高准确率,并能够对3D模型中的错误进行精确干预以进行纠正。