多伦多大学Squeeze3D:桥接潜空间,3D数据压缩最高2187倍
rishit_dagli · x · 2026-10-07
多伦多大学与 Vector Institute 团队在 TMLR 2026 发表 Squeeze3D，提出通过「桥接潜空间」实现 3D 数据极端压缩的新框架：
- 核心思路：复用现有预训练 encoder/decoder 学到的隐式先验，训练映射网络把模型 A 的潜空间经统一潜空间转到模型 B 的潜空间，预训练模型本身不重训
- 训练损失：不用任何重建损失，只用潜空间预测损失 + 维度级对比（Gram）损失，后者防止统一潜空间维度退化为冗余解
- 压缩成果：Meshes 2,187×（6.43 MB → 3.01 KB）；点云 58.5×（117 KB → 2.00 KB）；Radiance Fields 619×（58.07 MB → 0.09 MB）
- 质量：与 Draco 等成熟压缩方法对比，Draco 需要更高存储才能达到相近效果；重建保留了关键几何与场景细节
作者：Rishit Dagli、Yushi Guan、Sankeerth Durvasula 等。项目页、论文、代码与模型均已公开。
所属事件:Squeeze3D 桥接潜空间实现3D数据最高2187倍压缩(3 条相关)→
「研究」频道最新
- Scale AI 新基准：人类得 93.1 分，最强模型 GPT-6-astra 仅 53.6 — dustinvtran · 2026-10-08
- SEAR 基准发布：评测 LLM 智能体在机器人上的自进化能力 — xiye_nlp · 2026-10-08
- 16万次训练大规模实证：离线策略学习无万能算法,调参可颠覆排名 — raivn · 2026-10-08
- 用密码替换语料即可消解意义：论证LLM内部状态无非共现分布 — gerardsans · 2026-10-08
- CER 方法提前预测终局奖励，编码 Agent 训练省 52.7% token — shangbinfeng · 2026-10-08
- 10 个 Agent 基准测出 219 处漏洞，BenchShield 揭示刷分陷阱 — jiqizhixin · 2026-10-08