论文页面 - 3D视觉菜谱：数据、学习范式与应用

来源：https://huggingface.co/papers/2606.04291 发表于6月2日

·

提交者https://huggingface.co/zli12321

LZX (https://huggingface.co/zli12321)于6月8日

作者：， ， ， ， ， ， ， ， ，

摘要

3D视觉研究通过一个分类体系组织，该分类体系将几何表示、数据集、学习框架以及在重建、生成和视频建模任务中的应用联系起来。

3D视觉在日益多样化的数据表示、学习范式和建模策略的推动下迅速发展。然而，该领域在表示和基准测试方面仍然零散，使得难以对效率、保真度和可扩展性形成统一观点。本文提供了一个以数据为中心的3D视觉分类体系，将几何表示、数据集、学习框架和应用整合在单一概念图中。我们首先分析3D数据的主要结构表示——点云、网格、体素和3D高斯——以及它们的获取流程。然后我们审视数据集设计、基准构建和监督机制如何塑造最新进展，涵盖2D监督的3D学习、隐式神经表示和4D世界建模。通过这一整合视角，我们阐明了表示、学习范式与下游任务在重建、生成和视频建模中的关系，提供了对平衡效率与保真度以及多模态几何基础化新兴趋势的统一看法。

查看arXiv页面 (https://arxiv.org/abs/2606.04291)查看PDF (https://arxiv.org/pdf/2606.04291)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.04291)

在您的代理中获取此论文：

hf papers read 2606\.04291

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

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2606.04291以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2606.04291以从此页面链接。

引用此论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2606.04291以从此页面链接。

包含此论文的收藏0

没有包含此论文的收藏

将此论文添加到收藏以从此页面链接。