論文の概要: Block3D: Efficient Text-to-3D Generation via Block-Wise Diffusion

• arxiv url: http://arxiv.org/abs/2608.19567v2
• Date: Fri, 21 Aug 2026 09:59:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:31.912146
• Title: Block3D: Efficient Text-to-3D Generation via Block-Wise Diffusion
• Title（参考訳）: Block3D:Block-Wise拡散による効率的なテキスト・ツー・3D生成
• Abstract要約: Block3Dは、離散的な形状の配列を連続ブロックに分割するブロックワイド拡散フレームワークである。 TRELLIS-500Kのホールドアウトセットでは、Block3Dは平均エンドツーエンド生成時間を25.71秒から4.99秒に短縮する。
• 参考スコア（独自算出の注目度）: 38.735159381505014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While text-to-3D generation has advanced rapidly, achieving high geometric fidelity at low inference cost remains challenging. Existing text-to-3D methods either decode discrete shape tokens autoregressively or iteratively refine global 3D representations with diffusion or flow models. However, autoregressive decoding is sequential and cannot revise errors, whereas diffusion and flow-matching models repeatedly process the full representation, making high-quality generation increasingly expensive. In this paper, we propose Block3D, a block-wise diffusion framework that partitions the discrete shape-token sequence into contiguous blocks, generates the blocks autoregressively, and jointly denoises all tokens within the current block. To alleviate error accumulation, we introduce confidence-guided intra-block correction, which revises low-confidence tokens before each block is finalized. On a held-out set from TRELLIS-500K, Block3D reduces mean end-to-end generation time from 25.71 seconds to 4.99 seconds, achieving a $5.15\times$ speedup over the fine-tuned autoregressive baseline without sacrificing geometric fidelity.
• Abstract（参考訳）: テキスト・ツー・3D生成は急速に進歩しているが、低推論コストで高い幾何学的忠実性を達成することは依然として困難である。 既存のテキストから3Dの手法は、離散形状トークンを自己回帰的にデコードするか、拡散やフローモデルでグローバルな3D表現を反復的に洗練する。 しかし、自己回帰復号法は逐次的でありエラーを修正できないのに対し、拡散とフローマッチングのモデルでは完全な表現を繰り返し処理し、高品質な生成がますます高価になる。 本稿では,離散的な形状決定シーケンスを連続ブロックに分割し,ブロックを自己回帰的に生成し,現在のブロック内の全てのトークンを共同で復調するブロックワイド拡散フレームワークであるBlock3Dを提案する。 誤りの蓄積を軽減するため、各ブロックが終了する前に低信頼トークンを更新する信頼誘導ブロック内補正を導入する。 TRELLIS-500Kのホールドアウトセットでは、Block3Dは平均終端生成時間を25.71秒から4.99秒に短縮し、幾何学的忠実さを犠牲にすることなく細調整された自己回帰ベースラインよりも5.15\times$スピードアップを達成する。

関連論文リスト

• Streaming4D: Accelerate 4D World Models via Block-wise Video Generation and Incremental Reconstruction [16.153148517321604]
  Streaming4Dは、時間的ビデオブロックを生成し、各ブロックの再構築をトリガーする。 このアプローチにより、世界表現はビデオストリームでオンラインで進化し、幾何学的忠実さを維持しながらフィードバックのレイテンシを低減することができる。
  論文  参考訳（メタデータ） (2026-09-01T02:49:45Z)
• FlowBlock: Wavefront-Parallel Decoding for Self-Correcting Diffusion Language Models [16.404926372068047]
  ブロックワイド拡散大言語モデル (dLLM) はブロックレベルで逐次デコードし、ブロック間で有効なKVキャッシュの再利用を可能にするが、ブロック間デコーディングを厳密にシリアライズする。 2つのメカニズム上に構築されたトレーニング不要な並列デコーディングフレームワークである textbfflowblock を提案する。 LLaDA-2.1とLLaDA-2.0の2つのシリアルブロック単位のdLLMを最大2.95$times$と4.01$times$に改善し、レイテンシを最大53.6%、77.1%削減した。
  論文  参考訳（メタデータ） (2026-07-20T08:05:03Z)
• Latent Block-Diffusion Temporal Point Processes: A Semi-Autoregressive Framework for Asynchronous Event Sequence Generation [48.64529006657015]
  高品質かつ可変長イベントシーケンス生成のための遅延ブロック拡散時間点プロセス(LBDTPP)を提案する。 各ブロックでイベントを同時にサンプリングしながらブロックを逐次生成することにより、LBDTPPは自己回帰TPPの長さ柔軟性を保持する。 LBDTPPは、非条件および条件生成タスクの両方において最先端のTPPベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-06-23T13:45:28Z)
• Prefix-Adaptive Block Diffusion for Efficient Document Recognition [52.15352911463151]
  ブロック拡散モデル(BDM)は並列生成、フレキシブルな出力、KVキャッシュをサポートし、効率的な文書解析を約束する。 本稿では,前置詞から接尾辞への因果表記に代えて,ブロック内双方向化を代替するPrefix-Block Diffusion Model (PA-BDM)を提案する。 実験の結果、3B PA-BDMはいくつかのベンチマークで高い認識スコアを達成し、2.5B MinerU-Diffusionに対して推論スループットを71.6%向上した。
  論文  参考訳（メタデータ） (2026-05-16T07:50:13Z)
• S2D2: Fast Decoding for Diffusion LLMs via Training-Free Self-Speculation [22.303253139413286]
  ブロック拡散言語モデルはブロックワイド自己回帰復号とブロック内並列復号を結合する。 この問題に対処する既存のアプローチでは、追加のトレーニングが必要か、追加のテストタイム計算が必要になります。 ブロック拡散言語モデルのための訓練不要な自己投機的デコーディングフレームワークであるS2D2を提案する。
  論文  参考訳（メタデータ） (2026-03-26T17:48:50Z)
• Blockwise SFT for Diffusion Language Models: Reconciling Bidirectional Attention and Autoregressive Decoding [60.06816407728172]
  離散拡散言語モデルは、テキスト生成に強い可能性を示している。 半自己回帰推論による微調整ミスアライメントの標準化 我々は、応答を固定サイズブロックに分割するBlockwise SFTを提案する。
  論文  参考訳（メタデータ） (2025-08-27T02:49:33Z)
• DreamFlow: High-Quality Text-to-3D Generation by Approximating Probability Flow [72.9209434105892]
  本稿では,T2I拡散を利用したテキスト・ツー・3Dの最適化手法を提案する。 提案手法を応用して,実用的な3段階間粗大なテキスト・ツー・3D最適化フレームワークであるDreamFlowを設計する。
  論文  参考訳（メタデータ） (2024-03-22T05:38:15Z)
• BlockFusion: Expandable 3D Scene Generation using Latent Tri-plane Extrapolation [51.030773085422034]
  BlockFusionは拡散ベースのモデルで、3Dシーンを単位ブロックとして生成し、シーンを拡張するためにシームレスに新しいブロックを組み込む。 シーン要素の配置と配置を制御するために2次元レイアウトコンディショニング機構を使用する。 実験結果から、BlockFusionは多様な、幾何学的に整合性があり、拘束力のない大きな3Dシーンを生成可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-01-30T14:34:19Z)
• Fast non-autoregressive inverse folding with discrete diffusion [27.61401842249656]
  本稿では,CATHベンチマークの性能を損なうことなく,一定回数の呼び出しによって23倍の速度で推論を行う非自己回帰的な代替手法について述べる。 提案手法は,拡散速度を変調することにより,推定速度と精度のトレードオフの柔軟性を与える。
  論文  参考訳（メタデータ） (2023-12-05T02:57:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。