논문 정보
- 날짜:
2026-04-02 - 카테고리: -
- 우선순위 점수: 0.267
핵심 요약
GaussianGPT는 확산 모델 대신 자기회귀(Autoregressive) 방식을 사용하여 3D 가우시안 장면을 생성하는 트랜스포머 기반 모델입니다. 희소 3D 합성곱 오토인코더를 통해 가우시안 프리미티브를 이산 잠재 그리드로 압축하고, 이를 인과적 트랜스포머로 학습하여 순차적인 장면 생성을 구현했습니다. 이 방식은 단계별 장면 구성이 가능하여 아웃페인팅, 조건부 샘플링 및 유연한 생성 범위를 지원합니다.학습자 관점 포인트
- 우리 팀 영향: 3D 생성 분야에서 확산 모델 외에 자기회귀 트랜스포머 구조를 활용한 새로운 방법론적 대안을 제시합니다.
- 권장 액션: 실험
- 액션 근거: 기존 확산 모델 기반 3D 생성의 한계를 극복하고 아웃페인팅 및 제어 가능한 샘플링 성능을 확인하기 위해 실험적 검증이 필요합니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.26661
- Hugging Face Papers: https://huggingface.co/papers/2603.26661