@zhiwen_fan_: DUSt3R 团队的论文
摘要
DUSt3R 团队的一篇论文提出了用于多视图图像 3D 场景生成的稀疏自回归建模方法，使用了体素对齐的 3D 潜空间与占用感知的掩码自回归 Transformer。
查看缓存全文
缓存时间: 2026/09/06 10:48
Dust3R 团队的论文
Zhenjun Zhao (@zhenjun_zhao): 从多视图图像生成场景的稀疏自回归建模
Thomas Lucas, Maxime Pietrantoni, @WeinzaepfelP, Wonjune Cho, @bardienus, @Vinc3nt_Leroy, @JeromeRevaud
tl;dr：体素对齐的 3D 隐空间 + 占用感知的掩码自回归 Transformer
相似文章
@vincieye: 从几张照片生成完整的3D场景通常意味着凭空想象盲点或内存爆炸。SPAR3S s…
SPAR3S是一种稀疏自回归生成模型，能高效地从稀疏多视角图像生成完整的3D场景，无需3D真值数据，使用体素对齐的潜在空间和可微分的3D Gaussian Splatting。
GAE：学习用于3D一致世界生成的几何原生潜空间
本文介绍了GAE，一种几何原生的自动编码器，它创建了一个紧凑的潜空间，用于生成3D一致的场景，相比现有方法，提升了视觉质量和一致性。
面向3D生成的原生紧凑结构潜变量
本文介绍了O-Voxel，一种用于3D生成建模的新型稀疏体素表示方法，能够高效处理复杂拓扑和外观，并训练了包含4B参数的大规模流匹配模型，实现了最先进的生成质量。
3D Masked Autoencoders是显微镜下体积和多模态细胞表示的鲁棒学习器
本文提出了用于体积显微镜数据的3D Masked Autoencoders，并展示了在下游单细胞任务中，3D建模优于2D最大投影和基于切片的变体，而通过与蛋白质语言模型的跨模态对齐进一步提升了性能。
超越像素：从视频先验到4D世界
本文介绍了Latent-to-4D，一种直接从视频扩散潜变量生成4D场景的方法，无需跨生成器重新训练，在几何和时间稳定性上优于级联方法。