論文の概要: Split-and-scale Latent 3D Representations
- arxiv url: http://arxiv.org/abs/2611.16126v1
- Date: Thu, 12 Nov 2026 00:23:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.293998
- Title: Split-and-scale Latent 3D Representations
- Title(参考訳): スプリット・アンド・スケールの潜在3次元表現
- Abstract要約: トレーニングコストを抑えつつ,推論時の遅延容量を効果的に拡張する手法「textitsplit-and-scale」を提案する。
3Dシーンを3D座標の連続関数として表現することにより、シーンの任意の小さなサブリージョンに対して、推論時に1つの事前訓練されたトークン化器を適用することができる。
さらに我々は,最先端のベースラインと競合する自己回帰型3Dジェネレータを訓練し,高品質な生成モデルの構築を支援することを実証した。
- 参考スコア(独自算出の注目度): 29.405115105912458
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Latent 3D representations have significantly expanded the capabilities of modern shape modeling, enabling compact encoding of 3D scenes and supporting powerful 3D generative models. Despite this progress, current representations struggle to capture the fine details of complex objects, fundamentally limited by the capacity of their latents. However, scaling latent capacity at training time is computationally expensive and often infeasible under memory limits, and naively increasing the number of latents at inference fails to make effective use of the added capacity. In this paper, we address both challenges with \textit{split-and-scale}, a method that effectively expands latent capacity at inference while keeping training cost tractable. Our key observation is that by representing 3D scenes as continuous functions of 3D coordinates, a single pretrained tokenizer can be applied at inference to arbitrarily small sub-regions of a scene, allocating the same latent capacity to a smaller spatial extent and thus capturing far higher detail. We validate this insight by conducting extensive ablations to study the trade-offs between compute, memory, latent capacity, and reconstruction quality, demonstrating our inference-time scaling method achieves quality competitive with much larger models that exceed single-GPU memory limits. We further demonstrate that split-and-scale supports high-quality generative modeling, training an autoregressive 3D generator that performs competitively with state-of-the-art baselines.
- Abstract(参考訳): 潜在3D表現は、現代的な形状モデリングの機能を大幅に拡張し、3Dシーンのコンパクトエンコーディングを可能にし、強力な3D生成モデルをサポートする。
この進歩にもかかわらず、現在の表現は複雑な対象の細部を捉えるのに苦労し、基本的には潜伏者の能力によって制限される。
しかしながら、トレーニング時の潜伏容量のスケーリングは計算コストが高く、メモリ制限下ではしばしば実現不可能であり、推論時の潜伏容量の増大は、加算容量の有効利用に失敗する。
本稿では,トレーニングコストを抑えつつ,推論時の遅延容量を効果的に拡張する手法であるtextit{split-and-scale} を用いて,両方の課題に対処する。
我々のキーとなる観察は、3次元のシーンを3次元座標の連続関数として表現することにより、シーンの小さな部分領域を任意に調整し、同じ潜伏容量を空間的に小さくすることで、より詳細な情報を取得することができることである。
我々は,計算量,メモリ容量,遅延容量,再構成品質のトレードオフを研究するため,この知見を広範囲に検証し,単一のGPUメモリ限界を超えるモデルに対して,推論時間スケーリング手法が品質の競争力を発揮することを示す。
さらに我々は,最先端のベースラインと競合する自己回帰型3Dジェネレータを訓練し,高品質な生成モデルの構築を支援することを実証した。
関連論文リスト
- Federated 3D Gaussian Splatting for Large-Scale Scene Reconstruction at Wireless Edge [63.63984803717389]
3次元ガウススプラッティング(3D-GS)は大規模なシーン再構築に有望な技術である。
本稿では,大規模シーンの3D-GSモデルを効率的に学習するための新しい資源効率学習フレームワークを提案する。
論文 参考訳(メタデータ) (2026-09-26T02:59:00Z) - Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction [50.5449251266956]
本稿では,長い映像シーケンスから大規模3Dシーンを再構築する作業について述べる。
近年のフィードフォワード再構成モデルでは,RGB画像からの3次元幾何を,明示的な3次元先行や幾何学的制約なく直接回帰することで,有望な結果を示している。
本稿では,長距離シーン情報を効率よく圧縮し,保持するニューラルグローバルコンテキスト表現を提案する。
論文 参考訳(メタデータ) (2026-04-09T17:59:50Z) - Lemon: A Unified and Scalable 3D Multimodal Model for Universal Spatial Understanding [80.66591664266744]
Lemonは3Dポイントクラウドパッチと言語トークンを単一のシーケンスとして処理する統合トランスフォーマーアーキテクチャである。
3次元データの複雑さに対処するため,空間的コンテキストを保存するための構造化パッチやトークン化方式を開発した。
Lemonは、総合的な3D理解と推論タスクにまたがって、最先端のパフォーマンスを確立する。
論文 参考訳(メタデータ) (2025-12-14T20:02:43Z) - LTM3D: Bridging Token Spaces for Conditional 3D Generation with Auto-Regressive Diffusion Framework [40.17218893870908]
LTM3Dは条件付き3次元形状生成のための潜在トークン空間モデリングフレームワークである。
拡散と自己回帰(Auto-Regressive、AR)モデルの強みを統合する。
LTM3Dはマルチモーダル・マルチ表現3D生成のための一般化可能なフレームワークを提供する。
論文 参考訳(メタデータ) (2025-05-30T06:08:45Z) - SC-Diff: 3D Shape Completion with Latent Diffusion Models [4.261508855254493]
マルチモーダル条件を統一する新しい3次元形状完備化フレームワークを提案する。
形状はTrncated Signed Distance Function (TSDF) として表現され、2Dと3Dのキューで共同で制御された離散潜在空間に符号化される。
提案手法は, フレキシブルなマルチモーダルコンディショニングにより生成過程をガイドし, 2次元情報と3次元情報の一貫した統合を保証する。
論文 参考訳(メタデータ) (2024-03-19T06:01:11Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳(メタデータ) (2024-02-19T15:33:09Z) - Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。
本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文 参考訳(メタデータ) (2023-03-26T12:03:18Z)
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。