Tag · 4 篇

多视图生成

分布生成模型与扩散2图像编辑与可控生成13D 视觉与重建1

Refining Few-Step Text-to-Multiview Diffusion via Reinforcement Learning

把少步 T2MV 扩散的 RL 微调建模为联合多视图 MDP，并用自精炼采样构造优势信号、用拉格朗日对偶平衡单视图保真与跨视图一致性，可直接迁移到任何需要多输出协同一致性的少步扩散/流模型微调场景。

Realiz3D: 3D Generation Made Photorealistic via Domain-Aware Learning

通过引入协变量与小型残差适配器，将视觉域（真实/合成）从控制信号中解耦，使在合成渲染上微调的扩散生成器在施加几何、材质、视角控制时仍能输出照片级真实图像；其分层与去噪步角色分析可直接迁移到任何需要跨域控制迁移的扩散微调流程。

Omni-3DEdit: Generalized Versatile 3D Editing in One-Pass

把指令驱动的 3D 编辑从「2D 模型引导 + 逐场景迭代优化」改为单次前向的生成模型：沿序列维拼接源视图 latent 与条件 token，并用双流 LoRA 分离不同视图线索，可直接复用到任何需要多视图一致编辑或免优化 3D 编辑的场景。

Easy3E: Feed-Forward 3D Asset Editing via Rectified Voxel Flow

将免训练的 2D 编辑适配到稀疏体素潜空间，通过单次前馈的体素流实现全局一致的 3D 变形，并用法线引导的单视图到多视图生成恢复高频纹理，为 3D 资产编辑提供了可复用的高效范式。