研究提出在3D隐空间生成场景的新方法

论文作者提出直接在由 DINOv2、SigLIP2、DA3 等 2D 基础模型衍生的高维隐式 3D 潜空间中生成 3D 场景，并用扩散 Transformer 在该空间建模；论文标题称任意 3D 场景仅需 1K Tokens。 作者报告，实验显示该方法在效率与空间一致性上优于基于 2D 的方法，并验证了其在表征与模型容量上的可扩展性。论文已被 NeurIPS 2026 接收，代码已开源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。