跳到主要内容
检索

Dorian Chan

1 篇关联报道

订阅更新
  1. arXiv

    3D潜表示不再靠加token硬撑:切块归一化让同一分词器在推理时放大细节

    潜3D表示受限于潜变量容量,难以刻画复杂物体的细节,而训练时扩大容量又受显存约束。split-and-scale把场景切成小块,将每块坐标归一化回原范围后交给同一个预训练分词器编码,使相同容量覆盖更小空间,从而在推理时提高细节。在重建任务上,它与同等总潜变量数的LiTo模型相当,并优于朴素增加推理token的做法;其自回归生成器也与现有基线具有竞争力。

已读完全部报道