cross-modal-alignment

FLUX3D引入了一个框架，通过利用扩散对齐的结构化潜变量和稀疏结构感知的扩散变压器来增强表示学习和跨模态对齐，实现高保真图像到3D高斯泼溅生成，取得了最先进的结果。

本文研究了Platonic Representation Hypothesis，提出对齐源于表示中的线性结构，并引入了一个包含信号、偏置和噪声的统计框架。