Tag · 3 篇
双流架构
分布 3D 视觉与重建2图像编辑与可控生成1
01 02 03
共同交谈：从音频合成共处同一空间的 3D 对话
Talking Together: Synthesizing Co-Located 3D Conversations from Audio
从混合音频中同时生成两个共处同一空间的人物的完整 3D 面部动画，并显式建模两人之间的相对位置、朝向与相互注视；其双流架构、说话人角色嵌入与说话人之间的交叉注意力，以及视线损失，为多人语音驱动动画与共处场景合成提供了可复用的建模思路。
MMFace-DiT：用于高保真多模态人脸生成的双流扩散 Transformer
MMFace-DiT: A Dual-Stream Diffusion Transformer for High-Fidelity Multimodal Face Generation
双流 Transformer 块用共享 RoPE 注意力并行处理空间 token（掩码/草图）与语义 token（文本），避免模态主导，可直接迁移到任何需要同时满足文本语义与结构先验的可控生成任务；Modality Embedder 让单一模型免重训适配不同空间条件，是统一多条件控制的可复用思路。
DAGE：面向高效细粒度几何估计的双流架构
DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation
用低分辨率全局流负责跨视图一致性与相机估计、高分辨率逐帧流保留细节，再以轻量适配器跨注意力融合，为高分辨率长序列的深度/点图与位姿联合估计提供了可复用的解耦式双流范式。