12:14arXiv cs.AI@Haorui Ji, Weizhe Liu, Hongdong Li, Hengkai GuoFLUX3D 提出了一种从单张图像生成高保真 3D 高斯泼溅(3DGS)的新方法。它通过设计 Diffusion-Aligned Structured Latents (DA-SLAT) 改进稀疏体素表示,并用 Sparse-structure Multimodal Diffusion Transformer (SMDiT) 和 Modal-Aware Rotary Positional Embedding (MARoPE) 解决二维图像令牌与三维体素潜在的对齐问题。在多个基准测试中,FLUX3D 在外观保真度上显著优于现有最先进方法,生成的 3DGS 资产质量更高。AI模型FLUX3D3D生成高斯泼溅扩散模型稀疏表示推荐理由:想从单张图生成高质量3D模型?FLUX3D用扩散对齐稀疏表示解决了细节丢失问题,效果比现有方法好一截,值得搞3D生成的看看。原文
09:38arXiv cs.AI@Koki Okajima, Yasutoshi Ida, Tsukasa Yoshida, Yasuaki Nakamura论文提出 Non-Negative Elastic Net (NNN) 解码,将检索视为联合解码问题,通过稀疏非负线性组合用文档嵌入重构查询嵌入。理论证明,对所有语料库,NNN 解码能处理稠密检索能处理的全部查询,并在有相关文档的语料库上额外处理稠密检索无法处理的查询。在多个基准测试上,对冻结嵌入应用 NNN 解码带来一致改进;端到端训练嵌入进一步超越稠密检索的所有指标。论文NNN decodingdense retrieval信息检索稀疏表示嵌入推荐理由:这篇论文提出一种叫 NNN 的解码方法,能比传统向量点积检索挑出更多样化的文档,在多个基准上都有提升,做搜索相关的值得看看。原文