VecSet
PulseAugur coverage of VecSet — every cluster mentioning VecSet across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型MSVS-VAE模型推动高保真3D重建
研究人员开发了MSVS-VAE，一种新颖的、用于高保真3D重建的层次化基于集合的变分自编码器。该模型通过逐步稠密化潜在表示并采用一种称为AVS-Conv的几何感知局部聚合算子来解决现有方法的局限性，该算子取代了全局交叉注意力。MSVS-VAE旨在与稀疏体素基方法和传统的基于集合的方法相比，实现卓越的重建质量和紧凑性，并提供显著更快的解码时间。
-
TanGO框架通过切线空间引导和优化提供无需训练的3D编辑 · 跟踪到2个来源
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。
-
VecSet-Edit enables mesh editing from single images using LRM
研究人员推出了一种新颖的从单张图像进行3D网格编辑的流水线VecSet-Edit，解决了现有方法的局限性。该方法利用VecSet大型重建模型（LRM），通过分析其空间标记属性来识别不同的几何区域。系统采用掩码引导标记播种（Mask-guided Token Seeding）和注意力对齐标记门控（Attention-aligned Token Gating）等策略进行精确局部化，并采用漂移感知标记修剪（Drift-aware Token…
-
3D-ReGen: 一个统一的3D几何再生框架
研究人员推出了3D-ReGen，一个用于从2D图像和现有3D模型中再生3D对象的新颖框架。与一次性生成器不同，3D-ReGen以初始3D形状为条件，能够执行增强、重建和编辑等任务。该系统利用一种名为VecSet的新条件机制进行详细的几何更新，并通过在大型3D数据集上进行自监督学习来学习再生先验，而无需额外的标注。评估表明，3D-ReGen在可控3D生成方面取得了最先进的性能。