一篇 2016 年 3D 重建论文重回 top-K 损失讨论
YouJiacheng · x · 2026-08-04
一篇 2016 年 3D 重建论文，被拿来讨论 top-K 训练目标的历史来源
这条讨论的重点不是新模型发布，而是训练目标的归属与演化：有人认为当前在聊的 objective 更接近 min-of-N loss，而不是 IMLE；同时也指出“top-K sampling”这类想法并非 IMLE 首创，早期论文里就已经出现过类似目标。
被引用的论文是 2016 年的 A Point Set Generation Network for 3D Object Reconstruction from a Single Image。它做的是单张图像 3D 重建，输出不是体素网格或多张图，而是直接生成 点云坐标。
- 作者认为，单张图像对应的真实 3D 形状本身可能存在多解/歧义。
- 因此提出了一个条件式 shape sampler，可以对同一输入预测多个合理的 3D 点云。
- 实验上，它在单图 3D 重建基准上优于当时的方法，也在 shape completion 上表现不错。
所属事件:2016年3D重建论文引出Min-of-N损失溯源讨论(2 条相关)→
「研究」频道最新
- SkillHone 通过保留决策历史，把 GAIA 分数提升 15.8 — jiqizhixin · 2026-08-04
- 作者谈后训练：很多工作最终都收敛到一个函数和一个 reward — ivan_bezdomny · 2026-08-04
- SemiAnalysis：AWS 到 Meta 都转向模块化数据中心 — bookwormengr · 2026-08-04
- 一份 LLM 面试题清单，覆盖从 Tokenization 到 MoE — techNmak · 2026-08-04
- Explorative Modeling 让文本扩散低步采样更好但似然更差 — dejanseo · 2026-08-04
- Hugging Face 公开 1 万个 URDF 物体，面向 Isaac Sim 和 MuJoCo — bdsqlsz · 2026-08-04