Modello di diffusione auto-regressivo migliora la ricostruzione 3D
Un nuovo metodo di IA chiamato ArtiFixer utilizza modelli di diffusione auto-regressivi per migliorare le ricostruzioni 3D da Gaussian Splatting 3D. Affronta due problemi chiave: scalabilità e qualità. I metodi esistenti utilizzano diffusione di immagini o modelli video bidirezionali limitati in numero di viste per passaggio, richiedendo una costosa distillazione iterativa. ArtiFixer impiega un pipeline a due stadi con una nuova strategia di miscelazione dell'opacità per incoraggiare la coerenza, migliorando la sintesi di nuove viste in aree poco osservate.
Fatti principali
- ArtiFixer è un pipeline a due stadi che utilizza modelli di diffusione auto-regressivi.
- Migliora le ricostruzioni da Gaussian Splatting 3D.
- Affronta le carenze di scalabilità e qualità dei metodi precedenti.
- Una nuova strategia di miscelazione dell'opacità incoraggia la coerenza.
- Migliora la sintesi di nuove viste in aree poco osservate.
- Pubblicato su arXiv con ID 2603.00492.
Entità
Istituzioni
- arXiv