Hugging Face · 每日论文· 媒体 / 作者来源·精选
Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale
原文标题
Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale
AI 导读
研究人员提出了一种直接在高维隐式3D潜在空间中进行场景生成的方法，利用2D基础模型（如DINOv2、SigLIP2、DA3）构建3D潜在表示，并通过扩散变换器在3D潜在空间中执行扩散建模。实验表明，该方法在效率和空间一致性方面优于基于2D的方法，并验证了3D潜在表示对场景生成性能的可扩展性影响。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
解决了3D场景生成中2D表示导致的冗余和空间一致性问题，为大规模3D场景生成提供了更高效、更一致的新方法。
导读由模型辅助整理，非独立核验。完整信息见原文。