谷歌 PointDiT 实现单图重建三维形状

谷歌提出 PointDiT 模型，这是一种用于单目几何估计的像素空间扩散 Transformer。该架构直接处理 3D 点云地图块，并结合 DINOv3 图像 token 进行条件生成。PointDiT 能够仅凭单张 RGB 图像推断并重建复杂的三维场景空间结构，在保持极简架构的同时超越了复杂的潜空间模型，并在模糊区域表现出更强性能。

2026-07-08 ~ 2026-07-09 · 2 条相关