Tag · 3 篇
VecSet-表示
01 02 03
ViLearn：通过可见性学习加速图像到三维生成的训练收敛
ViLearn: Accelerating Training Convergence of Image-to-3D Generation via Visibility Learning
将 VecSet 词元按可见性分组并设计可见性感知位置编码，为单图三维生成中的扩散模型注入结构先验，可显著加速收敛；该思路可迁移到其他基于无序集合表示的三维生成或重建任务。
UniPart：基于统一三维几何-分割潜变量的部件级三维生成
UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents
Geom-Seg VecSet 把物体几何与部件级结构编码进统一的潜变量表示，使部件感知在整体几何学习过程中自然涌现，从而无需依赖外部强分割器；做三维生成或部件编辑的工作可以直接复用这一潜变量表示与两阶段潜扩散流程。
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。