论文页面 - PixWorld：在像素空间中统一3D场景生成与重建

来源：https://huggingface.co/papers/2607.05373

摘要

PixWorld提出了一种统一的像素空间扩散方法，用于3D重建和生成，通过直接的图像级监督和几何感知特征对齐，克服了潜空间方法的局限性。

3D重建（https://huggingface.co/papers?q=3D%20reconstruction）与生成通常采用不同的范式：基于像素的回归用于重建，潜扩散用于生成。近期研究尝试在潜空间（https://huggingface.co/papers?q=latent%20space）中统一两者，但存在明显缺陷：扩散目标定义在潜特征上而非底层3D表示，且两个分支都因潜编码引入的信息损失而受损，同时还需要预训练变分自编码器（VAE）（https://huggingface.co/papers?q=Variational%20Autoencoder）或表示自编码器（RAE）（https://huggingface.co/papers?q=Representation%20Autoencoder）。本文中，我们将这两项任务重新定义在统一的像素空间扩散范式下，并引入PixWorld——一个同时处理3D重建（https://huggingface.co/papers?q=3D%20reconstruction）与生成的单一模型。通过直接在渲染图像（https://huggingface.co/papers?q=rendered%20images）上监督扩散过程，PixWorld消除了上述限制，并将优化目标与3D场景保真度（https://huggingface.co/papers?q=3D%20scene%20fidelity）对齐。除在2D图像层面运作且缺乏3D几何感知的光度与感知监督外，我们进一步引入了几何感知损失（https://huggingface.co/papers?q=geometry%20perception%20loss），该损失在预训练3D基础模型（https://huggingface.co/papers?q=3D%20foundation%20model）的几何感知特征空间中，将渲染视图与真实视图对齐，从而提供3D结构监督。PixWorld在性能上持续优于先前的潜空间生成方法，并与最先进的重建方法媲美，证明了统一像素空间方法的优越性。

查看arXiv页面（https://arxiv.org/abs/2607.05373）查看PDF（https://arxiv.org/pdf/2607.05373）项目页面（https://sensengao.github.io/PixWorld/）添加至收藏（https://huggingface.co/login?next=%2Fpapers%2F2607.05373）

在你的Agent中获取本篇论文：

hf papers read 2607.05373

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

引用本论文的模型0

暂无模型关联本论文

请在模型README.md中引用arxiv.org/abs/2607.05373以从本页面链接至该模型。

引用本论文的数据集0

暂无数据集关联本论文

请在数据集README.md中引用arxiv.org/abs/2607.05373以从本页面链接至该数据集。

引用本论文的Space0

暂无Space关联本论文

请在Space README.md中引用arxiv.org/abs/2607.05373以从本页面链接至该Space。

包含本论文的收藏集0

暂无收藏集包含本论文

请将本论文添加至收藏集（https://huggingface.co/new-collection）以从本页面链接至该收藏集。