Tag · 6 篇
双分支架构
文本-图像条件驱动的3D生成
Text-Image Conditioned 3D Generation
论文提出文本-图像联合条件的3D生成任务，并给出TIGON双分支基线：分别保留图像条件与文本条件骨干，再用轻量跨模态融合模块整合两路预测。对做3D生成的研究者，这提供了一个可复用的条件融合范式，也提示可用晚期融合作为诊断手段来量化不同条件模态的互补性。
MatE：基于几何先验的单图像材质提取
MatE: Material Extraction from Single-Image via Geometric Prior
用估计深度图作为几何先验做粗矫正，再用双分支扩散模型把单张图转成可平铺的PBR材质贴图集（albedo/normal/roughness/height），其旋转与尺度对齐训练数据带来的等变性思路可迁移到其他需要消除透视与光照干扰的逆渲染任务。
频率感知流匹配用于高质量图像生成
Frequency-Aware Flow Matching for High-Quality Image Generation
把频率分解与时间相关的自适应加权引入流匹配的潜空间生成，为提升扩散/流模型的细节保真度提供了一个可插拔的条件注入思路，可直接迁移到视频生成或高分辨率合成中。
效率源于全局-局部解耦
Efficiency Follows Global-Local Decoupling
把全局上下文聚合与局部特征提取拆成两条分支、用轻量 token 上的神经记忆做全局推理，可作为一种即插即用的骨干设计，在分类/检测/分割中替代全全局注意力以换取更优的精度-延迟权衡。
在持续广义类别发现中解耦发现与记忆
Decouple Your Discovery and Memory in Continual Generalized Category Discovery
双分支解耦思路可迁移到任何需要「边学新类边保旧类」的视觉识别场景：把发现分支与记忆分支分开，避免过度保护旧类压制新类发现，并可作为插件叠加到现有增量/开放世界识别框架上。
CoSMo3D：通过 LLM 引导的规范空间建模实现开放世界提示式 3D 语义分割
CoSMo3D: Open-World Promptable 3D Semantic Segmentation through LLM-Guided Canonical Spatial Modeling
把 3D 语义分割从输入传感器位姿空间搬到数据驱动的规范参考系中，用 LLM 引导构建跨类别规范数据集、再用规范图锚定与规范框校准的双分支把位姿与对称性坍缩成稳定嵌入——这套「先规范再分割」的思路可直接迁移到任意位姿敏感的点云/网格部件分割与开放词表 3D 任务。