标签
LocusGS 通过用3D锚定状态（中心和半径）增强高斯查询，从而改进前馈3D高斯溅射，提升3D场景重建的空间连贯性和渲染质量。
InfiniSplat 提出了一种前馈式单图像 3D 高斯泼溅框架，利用几何引导采样和查询条件隐式解码来实现表面对齐的高斯表示，从而改善大基线单目视图合成，并从合成室内训练泛化到开放世界场景。
本文提出了一项对照研究，比较了仅注意力Transformer（简单注意力网络，SANs）与在参数、计算量和深度上匹配的标准Transformer。研究发现，当将释放的容量重新分配给注意力深度时，移除前馈层在很大程度上缩小了性能差距，剩余差距归因于参数回忆。
MAGiSt3R是一个多代理前馈框架，能够以10 FPS的速度从单目RGB视频实现实时3D重建，使用合并模型(MAGMA)结合局部点地图和姿态图优化来减少漂移。
ATSplat 提出了一种前馈式3D高斯溅射框架，利用自适应3D Token根据场景复杂度分配图元，在实现最先进渲染质量的同时，将高斯体数量相比密集方法减少了5.7倍以上。
Wiola是一种新颖的小型语言模型（SLM）架构，引入了五个独立设计的组件——SRPE、GCLA、ATM、DSFF和WiolaRMSNorm——旨在提高效率和连贯性，发布了从1.2亿到15亿参数的多个规模，并与HuggingFace Transformers集成。
本文提出了一种参数中性的Transformer前馈层替代方案，使用显式模糊集运算和序列上的量词。该方法在困惑度上与GELU基线相当，同时实现了可解释的语法许可检测器，尽管完全布尔FFN仍不稳定。
本文提出了一种前馈框架，能够从无位姿的多视图图像中将3D场景分解为实例结构的令牌组，从而在没有3D标注的情况下实现直接的对象级重建、分割和操控。
SpatialAvatar-0 提出了一种基于共享 FLAME 网格绑定高斯表示的多阶段重建方法，用于高质量4D头部虚拟形象，在多个基准测试中实现了更优性能，且迭代次数更少。
Surflo是一种前馈3D重建模型，它将未定姿的RGB视图压缩成潜在标记，并通过流匹配解码出一致的3D表面点，支持可变分辨率输出，在速度上优于现有方法。
ZipSplat 是一种基于 token 的前馈 3D 高斯溅射模型，利用 k-means 聚类将高斯放置与像素网格解耦，在无需真实位姿或内参的情况下，在 DL3DV 和 RealEstate10K 上实现了约 6 倍的高斯减少，同时设立了新的最佳结果。
TriSplat是一种前馈式三维重建网络，利用有向三角形图元直接从单张图像生成可直接用于仿真的网格，省去了昂贵的后处理步骤。该方法在保持竞争性的新视角渲染质量的同时，实现了几何保真的重建。
UniT是一种统一的几何感知前馈模型，采用分组自回归Transformer，集成了多种范式（在线/离线、多模态、长时域），同时通过自适应尺度损失和队列式KV缓存保持度量尺度精度。它在涵盖七个任务的十个基准上取得了最先进性能。
FFAvatar提出了一种前馈框架，能在数秒内从少量非摆拍图像中重建高质量、可动画的3D高斯头部头像，在NeRSemble基准测试上相比现有最优方法实现了5.5 PSNR的提升。
VGGT-Edit 提出了一种基于深度同步文本注入和残差场预测的前馈框架，用于文本驱动的原生3D场景编辑，相较于2D提升方法，实现了更优的质量和效率。
GlobalSplat 引入了一种高效的前馈框架，用于三维高斯散射，通过全局场景标记实现紧凑且一致的场景重建，将计算开销和推理时间降低至78毫秒以下。该方法采用从粗到细的训练策略，防止表示膨胀，同时以显著更少的高斯原语（16K）达到有竞争力的新视角合成性能，与密集基线相比更为高效。