Tag · 2 篇
单图三维生成
01 02
ViLearn：通过可见性学习加速图像到三维生成的训练收敛
ViLearn: Accelerating Training Convergence of Image-to-3D Generation via Visibility Learning
将 VecSet 词元按可见性分组并设计可见性感知位置编码，为单图三维生成中的扩散模型注入结构先验，可显著加速收敛；该思路可迁移到其他基于无序集合表示的三维生成或重建任务。
REVIVE 3D：通过编码膨胀先验细化实现体积增强
REVIVE 3D: Refinement via Encoded Voluminous Inflated prior for Volume Enhancement
针对单张平面图像 3D 线索不足的问题，先用前景轮廓膨胀构造 Inflated Prior 恢复全局体积，再在 3D 潜变量上加噪去噪、借预训练骨干的 3D 先验细化几何；这套「先构造粗体积先验再潜空间细化」的两阶段即插即用思路，可直接迁移到单图/稀疏视角三维生成与编辑任务。