Tag · 4 篇

点云生成

分布 3D 视觉与重建3自动驾驶与遥感1

PointNSP: Autoregressive 3D Point Cloud Generation with Next-Scale Level-of-Detail Prediction

提出基于下一尺度预测的自回归点云生成框架，利用多尺度分解对齐点集的无序性，避免固定顺序偏差，可复用于其他无序集合生成任务（如点云补全、场景生成）。

Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain

针对固态激光雷达内部多径眩光导致的点云伪影，提出瞬态眩光扩散函数（TGSF）线性模型，并在点云形成前的低层回波上做无训练去眩光，可直接嵌入现有激光雷达信号处理流水线。

Gen3R: 3D Scene Generation Meets Feed-Forward Reconstruction

把 VGGT 这类前馈重建模型当作几何编码器，用适配器把其 token 对齐到视频扩散模型的外观潜空间，从而在同一个扩散过程里同时生成 RGB 视频与相机位姿、深度、点云；对做 3D 生成的人，这是一条「复用重建基础模型当几何先验」的现成路径，对做重建的人则提示可用生成先验提升鲁棒性。

AvatarPointillist: AutoRegressive 4D Gaussian Avatarization

用仅解码器 Transformer 自回归地逐点生成 3DGS 点云，并按主体复杂度自适应调整点密度，这一「序列化生成 3D 表示」的范式可迁移到其他需要可变分辨率三维表示的生成任务；同时以 AR 生成器的潜变量特征作为高斯解码器的条件，为两阶段生成管线提供了跨阶段特征复用的具体做法。