arXiv cs.AI· Gaige Wang, Bowen Pan, Hao Ren, Jiangjing Lyu, Chengfei Lyu·· 10 小时前AI 评分26
Coarse3D：面向图生 3D 的可控且忠实的稀疏结构生成
Coarse3D: Controllable and Faithful Sparse Structure Generation for Image-to-3D
AI 导读
Coarse3D 是一个从任意无位姿图像生成可控朝向、结构忠实体素几何的稀疏结构生成模型，可直接替换现有 coarse-to-fine 3D 生成流程的第一阶段。它采用首帧锚定规范空间、双塔 DiT 耦合生成与辅助前馈重建、以及空间先验引导注意力三项设计，实验显示其显著提升稀疏结构质量并持续改善最终 3D 生成，达到 SOTA。
正文 · AI 翻译
摘要：由粗到细的 3D 原生生成高度依赖第一阶段的稀疏结构，该结构决定了后续细化阶段的全局朝向和整体几何形状。然而，现有的粗生成器存在两个关键局限：由于语义规范化存在歧义，其朝向难以控制；由于 2D-3D 基础关联较弱，其结构往往与输入图像不一致。我们提出 Coarse3D，一种稀疏结构生成模型，能够从任意未标定姿态的图像中生成朝向可控且结构忠实的体素几何。Coarse3D 引入了三项设计：首帧锚定的规范空间，使生成与第一个输入视图对齐，同时保留以对象为中心的归一化；双塔 DiT，将生成与辅助前馈重建耦合，以学习具有空间基础的特征；空间先验引导注意力，利用像素到体素的对应关系对交叉注意力进行正则化。Coarse3D 可以直接替换现有流程中的粗阶段。实验表明，它显著提升了稀疏结构质量，并持续增强最终 3D 生成效果，达到最先进性能。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.41231 [cs.CV] |
| （或 arXiv:2610.41231v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41231 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hao Ren [查看邮箱]
[v1]
2026年10月30日星期五 04:09:19 UTC（12,314 KB）
来源：arXiv cs.AI · arxiv.org