返回热点榜
llm热度 0.0°

AI 聚合热点事件 · 2026/11/16

拆分缩放法实现推理阶段潜变量扩容

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/16 08:00:00
全景综述与最新动态
1 家信源交叉印证

论文提出 split-and-scale 方法,将 3D 场景表示为坐标的连续函数,使单个预训练 tokenizer 在推理时可作用于任意小的子区域,从而在不增加训练成本的前提下大幅提升潜变量容量与重建细节。该方法通过大量消融实验验证了计算、内存、潜容量与重建质量之间的权衡,并进一步用于解耦辐射场与相机位姿的生成建模。

最新动向/论文提出 split-and-scale 方法,将 3D 场景表示为坐标的连续函数,使单个预训练 tokenizer 在推理时可作用于任意小的子区域,从而在不增加训练成本的前提下大幅提升潜变量容量与重建细节。该方法通过大量消融实验验证了计算、内存、潜容量与重建质量之间的权衡,并进一步用于解耦辐射场与相机位姿的生成建模。

逐小时热度走势

49 个完整观测小时
当前
0.0
峰值
20.008:00
近 24h 变化
-100%

曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Apple Machine Learning ResearchT1·72 分

    拆分缩放法实现推理阶段潜变量扩容

    原标题:Split-and-Scale Latent 3D Representations

    • 以坐标连续函数表示 3D 场景,使预训练 tokenizer 可复用于任意小子区域
    • 推理阶段扩容潜变量,规避训练时的高昂计算与内存开销
    • 消融实验系统分析计算、内存、潜容量与重建质量的权衡