Компьютерные науки > Компютерное видение и распознавание моделей [представлен 24 марта 2026 года v1), последний пересмотренный вариант от 24 октября 2026 (эта версия, v3)] Название: Know3D: Задание 3D поколения с знаниями из Vision-Language Models View PDF HTML (экспериментальное) резюме: Недавние достижения в 3D генерации улучшили достоверность и геометрические детали синтезированных 3D активов. Однако из-за имманентной двусмысленности наблюдений с одним зрением и отсутствия надежных глобальных структурных предпочтений, вызванных ограниченностью 3D данных о подготовке кадров, невидимые регионы, генерируемые существующими моделями, часто являются стохатическими и трудно поддающимися контролю, которые иногда могут не соответствовать намерениям пользователей или создать невероятную геометрию. В этом документе мы предлагаем новую систему Know3D, которая включает богатые знания мультимодальных моделей большого языка в 3D процесс регенерации через скрытый инъекции скрытого состояния, что позволяет контролировать языковое образование обратной перспективы для трехмерных активов. Мы используем модель, основанную на дисфузии VLM, в которой VLW отвечает за семантическое понимание и руководство. Диффузионная модель служит мостом, который передает семантические знания от модели VLM к модели 3D поколения. Таким образом, мы успешно сглаживаем разрыв между абстрактными текстовыми инструкциями и геометрической реконструкцией ненаблюдаемых регионов, преобразуя традиционно стохастические…
Ноу3D: Запуск 3D поколения с знаниями из моделей зрения и языка
arXiv: 2603,22782v3 Annuales Type: заменить резюме: последние достижения в 3D поколения улучшили достоверность и геометрию синтезированных 3D активов. Однако из-за имманентной двусмысленности наблюдений с одним зрением и отсутствия надежных глобальных структурных предпочтений, вызванных ограниченностью 3D данных о подготовке кадров, невидимые регионы, генерируемые существующими моделями, часто являются стохатическими и трудно поддающимися контролю, которые иногда могут не соответствовать намерениям пользователей или создать невероятную геометрию. В этом документе мы предлагаем новую систему Know3D, которая включает богатые знания мультимодальных моделей большого языка в 3D процесс регенерации через скрытый инъекции скрытого состояния, что позволяет контролировать языковое образование обратной перспективы для трехмерных активов. Мы используем модель, основанную на дисфузии VLM, в которой VLW отвечает за семантическое понимание и руководство. Диффузионная модель служит мостом, который передает семантические знания от модели VLM к модели 3D поколения. Таким образом, мы вздёрнемся