Tag · 2 篇
潜空间扩散模型
01 02
Points-to-3D：以点云先验实现结构感知的三维生成
Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors
把可见区域点云（LiDAR 或 VGGT 前馈预测）编码进 TRELLIS 的稀疏结构潜变量，用结构图像修复网络加两阶段采样补全不可见几何，为视觉研究者提供了一条用现成点云先验做几何可控 3D 生成的通用路径。
FACE：一种基于面的自回归表示用于高保真高效网格生成
FACE: A Face-based Autoregressive Representation for High-Fidelity and Efficient Mesh Generation
将网格生成从顶点级序列改为面级 token，序列长度降低 9 倍，为自回归 3D 生成提供高效表示；其面级解码器与 VecSet 编码器结合可复用于单图到网格的潜扩散生成。