TriSplat
요약
TriSplat은 포즈 정보가 없는 희소한 이미지로부터 시뮬레이션에 즉시 사용 가능한 삼각형 메쉬를 생성하는 피드포워드 3D 재구성 기술입니다. 가우시안 스플래팅이나 복잡한 메쉬 추출 과정 없이 물리 엔진과 로보틱스 분야에서 활용 가능한 실제 삼각형 메쉬를 제공합니다.
핵심 포인트
- 포즈 정보가 없는 이미지로부터 3D 메쉬 재구성 가능
- 가우시안 스플래팅 및 비용이 큰 메쉬 추출 과정 생략
- 물리 엔진, 로보틱스, 시뮬레이터에 즉시 적용 가능한 삼각형 메쉬 제공
TriSplat
희소하고 포즈 정보가 없는 이미지(unposed images)로부터 시뮬레이션 준비가 된 삼각형 메쉬(triangle meshes)를 출력하는 피드포워드(Feed-forward) 3D 재구성(reconstruction) 기술입니다.
가우시안 스플래팅(Gaussian splatting)을 사용하지 않습니다. 비용이 많이 드는 메쉬 추출(mesh extraction) 과정도 없습니다.
물리 엔진(physics engines), 로보틱스(robotics), 그리고 시뮬레이터(simulators)에서 즉시 사용할 수 있는 실제 삼각형(Real triangles)을 제공합니다.
논문(Paper):
https://huggingface.co/papers/2605.26
115
…
모델(Models):
https://huggingface.co/lhmd/TriSplat
데이터(Data):
https://huggingface.co/datasets/lhmd/re10k_torch
…
프로젝트(Project):
https://lhmd.top/trisplat
DVAO
다중 보상 강화학습(multi-reward RL)을 위한 동적 분산 적응형 이득 최적화(Dynamic Variance-adaptive Advantage Optimization)입니다. 경험적 보상 분산(empirical reward variance)을 기반으로 결합 가중치를 동적으로 조정하여, 노이즈가 심한 목적 함수(objectives)는 억제하고 강력한 학습 신호(learning signals)의 가중치는 높임으로써 학습을 안정화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @huggingpapers (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기