Apple 提出 Split-and-Scale,讓 3D 場景呈現更多細節
Split-and-Scale Latent 3D Representations
重點導讀
3D 模型常因能存放資訊的空間有限,難以呈現複雜物件的細節;訓練時擴大空間又很耗運算和記憶體。
- Apple 研究團隊提出 Split-and-Scale,把場景切成更小的區域,再用同一個預訓練工具處理各區域,讓每一小塊都能保留較多細節。研究顯示,這種做法在推論時能得到接近大型模型的重建品質,也能用來訓練 3D 生成模型。
- 團隊並比較了畫質、運算量、記憶體和可用容量之間的取捨。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處machinelearning.apple.com
Split-and-Scale Latent 3D Representations
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Apple Machine Learning Research (machinelearning.apple.com)
開啟原文