WilLaGS：利用潜在外观场提升野生场景高斯泼溅
zhenjun_zhao · x · 2026-08-31
论文《WilLaGS》提出了一个统一的框架，用于在无约束场景下进行鲁棒的 3D 场景重建和生成式外观合成。该方法引入了一个生成式外观模型，利用 β-VAE 学习全局外观的结构化连续流形，并构建 3D 神经外观场来生成动态 Tri-Plane 特征以编码空间变化的局部光照。此外，还提出了一种自监督的感知掩码机制，通过教师-学生（EMA）架构识别不一致区域以抑制瞬态伪影。
「研究」频道最新
- SenseNova-Vision：将视觉任务重构为统一多模态生成 — rsasaki0109 · 2026-08-31
- Dietterich 谈论文写作：论文是论证而非过程记录 — tdietterich · 2026-08-31
- LeVJEPA 论文：用 SIGReg 防止视频表征坍塌 — burkov · 2026-08-31
- 花 $3K 让 AI 搞科研，论文被拒：败在判断力 — rohanpaul_ai · 2026-08-31
- 从拉格朗日视角解析 Flow Matching：为何仅需一步生成 — docmilanfar · 2026-08-31
- NVIDIA 开源 Kimodo：文本直接生成全身 3D 人体与机器人动作 — maier_ak · 2026-08-31