论文页面 - Surflo：具有全局状态的一致3D表面流模型

来源：https://huggingface.co/papers/2606.13644

摘要

Surflo将无姿态RGB视图压缩为潜在令牌，并通过流匹配解码3D表面点，与现有方法相比，能够输出灵活的分辨率并实现高效处理。

几何形状与视角无关，这使得任何一组图像都是对单一3D状态的冗余编码。现有的前馈重建模型未能利用这一点：逐视角方法会输出重叠且未对齐的点地图，且输出随输入数量线性增长；而全局潜在方法则局限于固定的低分辨率输出。我们提出Surflo，它将可变数量的无姿态RGB视图压缩为K个潜在令牌——一个全局状态——并通过流匹配将噪声点独立传输到表面上，从而解码出有向的3D表面点。这使得输出不再受限于固定的网格或令牌预算：同一个潜在状态单次前向传播即可生成从几千到一百万个点。为了抑制独立逐点解码带来的局部不一致性，我们在ODE积分过程中引入了一个推理时的引导项，通过注入光度梯度来关联邻近点。Surflo在表面指标上达到或超越了前馈基线模型，运行速度比需要数百个视图的基于优化的方法快一个数量级，并且是唯一结合全局潜在表示与任意分辨率解码的前馈方法。

查看 arXiv 页面 (https://arxiv.org/abs/2606.13644)查看 PDF (https://arxiv.org/pdf/2606.13644)项目页面 (https://anttwo.github.io/surflo/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.13644)

在您的智能体中获取此论文：

hf papers read 2606.13644

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接到此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.13644 以便从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.13644 以便从此页面链接。

引用此论文的 Spaces0

没有 Space 链接到此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.13644 以便从此页面链接。

包含此论文的收藏集0

没有包含此论文的收藏集

请将此论文添加到一个收藏集中，以便从此页面链接。