GAE от Tencent ARC и HKUST
GAE от Tencent ARC и HKUST Геометрический автоэнкодер для генерации миров. Сжимает 3072-канальные геометрические признаки в компактные 128 каналов, из которых декодируются RGB, глубина, траектории камеры и облака точек. Не достраивает геометрию постфактум, а кладет еt внутрь генерируемого латента • из одного латента - картинка, глубина, позы камеры и 3D одновременно • управляемый flow matching - текст, референс-кадр и метрические лучи камеры • обзорные сцены с перемещением камеры, indoor и outdoor • text-to-image с генерацией 3D-геометрии по одному промпту • 1B параметров Латентное пространство работает как общий интерфейс между восприятием и генерацией - один латент, четыре связанных выхода Гитхаб HF #world #vae
63 просмотров