慕尼黑工大团队发布 VoxLution:真实扫描训练的 3D 室内场景生成,FPD 降 59.6%
angelaqdai · x · 2026-11-03
慕尼黑工业大学 Angela Dai 团队(与弗吉尼亚大学合作)发布 VoxLution,一个从真实扫描(而非纯合成数据)训练的高保真 3D 室内场景生成模型。
核心方法:
- 采用稀疏自回归级联(sparse voxel cascaded transformer),从 25cm 粗体素逐步细化到 1.5625cm,捕捉锐利表面与精细几何,克服现有生成模型几何过度平滑的问题
- 把 3D 超分辨率表述为多分辨率稀疏体素网格上的序列建模,引入免训练、分辨率无关的 tokenization:用单个十进制数紧凑编码八个卦限的几何信息
- 将相邻 chunk 边界信息直接纳入 transformer 序列,保证局部块之间的一致性
在 3D-FRONT 基准上 FPD 降低 59.6%、FID 降低 51.1%,达到 SOTA。论文与视频已放出,代码即将开源。应用方向包括 VR、空间计算与机器人仿真。
「多模态」频道最新
- 零技能创作者用 Midjourney+Krea 做 AI 短剧，36小时狂揽2亿播放 — LinusEkenstam · 2026-11-03
- TuneJury：从人类判断学习预测音乐偏好的模型发布 — mittu1204 · 2026-11-03
- Adobe/MIT 论文:DMD 蒸馏学生变差,只因 critic 没跟上 teacher 规模 — rzhang88 · 2026-11-03
- Every 用 Midjourney 加 Codex 打造交互式插画工具链讲述 Codex 故事 — every · 2026-11-03
- AssemblyAI 发布首款语音合成模型 TTS-1，专为实时语音 Agent 打造 — AssemblyAI · 2026-11-03
- 两个 Prompt 造出开源版 After Effects:网站展示视频编辑器 — Danteboiz420 · 2026-11-03