Toys4K
PulseAugur coverage of Toys4K — every cluster mentioning Toys4K across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Luce：用于高保真资产生成的新型3D表示
研究人员推出Luce，一种专为高保真图像到3D资产生成设计的新型3D表示。Luce将几何体和基于物理的渲染（PBR）材质统一在一个体素化的多模态高斯云中，使得资产能够被重新照明并集成到标准的渲染管线中。该系统利用变分自编码器进行压缩，并使用Rectified Flow transformer从单张图像生成，在Toys4K数据集上展示了最先进的性能，并提高了AI生成图像的CLIP图像对齐分数。
-
Axolotl3D框架通过多模态条件实现忠实三维形状补全
研究人员推出了Axolotl3D，一个专为忠实三维形状补全设计的新型框架。该模型能够从单个图像生成高质量的三维几何形状，即使在处理遮挡或多视图输入时也是如此。Axolotl3D独特地整合了各种条件信号，包括图像、可见性掩码、相机参数和部分点云，以确保准确一致的形状重建和编辑。
-
新研究推出 LATO.2 和 Nexus 以实现高级三维网格生成 · 跟踪 4 个来源
两篇新研究论文介绍了生成三维网格的先进方法，这是电影、游戏和交互式三维环境应用的关键组成部分。LATO.2 采用因子化流匹配框架，将顶点和拓扑生成分开，并以体素支架为锚点，能够生成更高分辨率的网格和进行拓扑自适应编辑。Nexus 利用扩散模型进行整体网格生成，通过基于八叉树的方法生成顶点，并使用新颖的时空间隔嵌入生成拓扑，从而将顶点和拓扑生成解耦，在实验和用户研究中表现优于现有方法。
-
新方法使用生成式AI进行无训练的3D形状抽象
研究人员开发了一种新颖的方法，可以将3D形状抽象为几何原始形状，而无需任何特定任务的训练。该方法利用大规模生成式图像模型来分析对象的多个视图渲染，识别其语义部分，并生成彩色编码的分割掩码。然后，该掩码被重新投影到对象的几何形状上，并通过参数优化将超二次曲线原始形状拟合到每个部分。该系统是类别无关且方向不变的，其准确性直接受益于生成式模型的进步。研究表明，这种无训练的方法在HumanPrim和Toys4K等数据集上取得了最先进的结果，优…