arXiv cs.AI· Ilias Mitsouras, Nikolaos Chaidos, Giorgos Stamou, Athanasios Voulodimos·· 11 小时前AI 评分27
EMERGE：基于等变图扩散的分辨率无关点云生成模型
EMERGE: Resolution-Agnostic Point Cloud Generation with Equivariant Graph-Based Diffusion
AI 导读
EMERGE 是首个完全 SE(3) 等变的图扩散骨干网络，专为生成点云并保持连续空间对称性而设计。该框架摆脱了标准生成流程对固定分辨率的依赖，可在任意空间分辨率下零样本推理，并在标准指标上达到 SOTA 生成质量。其几何归纳偏置还带来比现有基线显著更快的训练收敛速度。
正文 · AI 翻译
摘要：点云生成已成为准确捕捉和再现物理世界复杂性的一项关键任务。然而，现有的生成方法主要依赖 Transformer 和变分自编码器（VAE），往往忽略了 3D 空间固有的连续、非网格拓扑结构。尽管在相关的判别式视觉任务中，图结构的引入已带来显著收益，但此类几何架构在 3D 生成建模中仍明显缺席。为填补这一空白，我们提出 EMERGE（用于分辨率无关点云生成的等变多尺度 GNN），这是首个完全 $SE(3)$ 等变的、基于图的扩散骨干网络，专为在保持连续空间对称性的同时生成点云而设计。我们的框架绕过了标准生成流程对分辨率的刚性依赖，能够在多个任意空间分辨率下进行零样本推理。大量实证评估表明，EMERGE 在标准指标上达到了最先进的生成质量，同时其强大的固有几何归纳偏置使训练收敛速度显著快于现有基线方法。
| 评论： | 26 页，11 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2609.26039 [cs.CV] |
| （或 arXiv:2609.26039v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.26039 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ilias Mitsouras [查看邮箱]
[v1]
2026年9月22日星期二 11:44:31 UTC（45,902 KB）
[v2]
2026年10月20日星期二 10:41:44 UTC（45,903 KB）
来源：arXiv cs.AI · arxiv.org