Tag · 2 篇
体素化表示
分布 3D 视觉与重建1高效模型与推理加速1
01 02
TGSFormer：面向具身语义场景补全的可扩展时序高斯泼溅
TGSFormer: Scalable Temporal Gaussian Splatting for Embodied Semantic Scene Completion
用持久化的高斯记忆加置信度感知的跨注意力做时序融合，替代依赖帧缓存与图像一致性的做法，可复用到任何需要在线增量重建、且场景尺度无界的具身感知或流式建图任务中。
几何引导的3D视觉词元剪枝用于视频语言模型
Geometry-Guided 3D Visual Token Pruning for Video-Language Models
针对3D空间视频中视觉词元冗余问题，提出基于几何感知全局注意力和两阶段体素剪枝的方法，可复用于视频语言模型的高效推理与3D场景理解。