Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 8 октября 2026 года] Название: GenIA: Генерация с корректировкой ввода в тест-время, просмотр PDF HTML (экспериментальное) резюме: Реконструирование полных 3D объектов на основе монокулярных или маловидовых наблюдений остается проблематичным. Генерационные 3D-образные модели могут завершить геометрию объекта, выходящую за рамки наблюдаемого просмотра, но их предсказания не могут верно воспроизвести наблюдаемую геометрическую, внешний вид или позу. Мы представляем ГЕНИА - основу для поколения, входящего во время испытаний и свободного от воздействия, которая позволяет проводить доэлектрические предварительные геометрические и фотометрические наблюдения SAM3D без переподготовки базовой модели. Мы улучшаем позу объекта, извлекая перевод и масштаб из геометрии при сохранении ранее накопленного вращения, а также гармонизируем внешний вид с заостренным вниманием, перекрестным наблюдением синтеза и различимой корректацией руководства во время денозиации. Факультативное совершенствование после денгейзии дополнительно адаптирует внешний вид, легковесные адаптаторы декодера и размещение объекта к наблюдениям. Наша система также поддерживает геометрическую систему, обеспечиваемую извне; при наличии временных форм динамических объектов она восстанавливает общий канонический вид и стабильную расстановку космического пространства. Помимо синтетических и реальных контрольных показателей, ГЕНИА совершенствует…
GenIA: Реконструкция генераторов с согласованием времени ввода данных в тест
arXiv: 2610.12388v1 Аннот-типа: новое резюме. Генерационные 3D-образные модели могут завершить геометрию объекта, выходящую за рамки наблюдаемого просмотра, но их предсказания не могут верно воспроизвести наблюдаемую геометрическую, внешний вид или позу. Мы представляем ГЕНИА - основу для поколения, входящего во время испытаний и свободного от воздействия, которая позволяет проводить доэлектрические предварительные геометрические и фотометрические наблюдения SAM3D без переподготовки базовой модели. Мы улучшаем позу объекта, извлекая перевод и масштаб из геометрии при сохранении ранее накопленного вращения, а также гармонизируем внешний вид с заостренным вниманием, перекрестным наблюдением синтеза и различимой корректацией руководства во время денозиации. Факультативное совершенствование после денгейзии дополнительно адаптирует внешний вид, легковесные адаптаторы декодера и размещение объекта к наблюдениям. Наша система также поддерживает геометрию внешних поставок; когда