Preferred Networks 推 T3lescope：多视图图像免逐场景优化重建 3D 场景
pfnet · hf · 2026-10-13
Preferred Networks 与东京大学提出 T3lescope，从带位姿的多视图图像直接生成高保真 3D 场景网格，无需逐场景优化，覆盖从单个物体到大范围户外场景。
- 核心思路：用一个固定分辨率的生成器在推理时做由粗到细的级联——粗层确定场景布局，更细的层在逐级缩小的空间单元内对继承的几何进行扰动与去噪以恢复表面细节；训练时只在多尺度单元上训练并共享权重，层级数、单元尺度与位置都在推理时确定。
- 动机：逐场景优化方法在观测稀疏或表面 glossy/透明时缺乏先验；已有生成式方法固定分辨率、空间范围有限，大场景需分区处理，难以保持全局几何一致性。
- 结果：在室内、户外与城市尺度场景上超越前馈与生成式基线，持平或超过逐场景优化方法，并能恢复精细结构及 glossy、透明表面。
「研究」频道最新
- 世界模型研究结论:堆数据无用,关键是从数据里榨出更多;精确物理仍缺位 — mangahomanga · 2026-10-13
- 独立开发者自建推理库训练 SVG 生成模型:进化算法败给 SGD — cephaloform · 2026-10-13
- 哈佛与NTT研究：AI智能体群体规模越过临界点将失控自增殖 — Hidenori8Tanaka · 2026-10-13
- JHU 等发布 RT-Super：用影像报告替代人工标注训练肿瘤分割 — maier_ak · 2026-10-13
- 普林斯顿QUEEN模型：4B参数既能下大师级象棋又能讲解思路 — jiqizhixin · 2026-10-13
- 牛津研究：可在模型权重里加密隐藏任意能力，微调 500 步仍不解密 — zainhas · 2026-10-13