SmallMatch
Hello World
返回首页
Hello World
发表于
2026-02-26
|
更新于
2026-02-26
|
浏览量:
欢迎来到我的博客！
这是我的第一篇博客文章。
关于我
我正在学习 Vibe Coding！
文章作者:
JJX
文章链接:
https://small-match-xhc.github.io/2026/02/26/hello-world/
版权声明:
本博客所有文章除特别声明外，均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
SmallMatch
！
下一篇
LucidDreamer 论文笔记
本文的贡献： 我们对文本到D生中的基本组成部分——分数蒸馏采样（SDS）进行了深入分析，并确定了其提供不一致和低质量伪地面真值的关键限制。这解释了许多方法中存在的过度平滑效应。 *对SD的限制我们提出了区间分数匹配（ISM）。通过可逆扩散轨迹和基于区间的匹配，ISM在逼真度细节方面明显优于SDS。 通过与3*高斯飞溅集成我们的模型实现了最先进的性能，超越了现有方法，并且训练成本更低。 第一个问题： SDS背后的机制是将3模型渲染的图像扩散型生成的伪地面真值（pseudo-GT）进行匹配。然而，如图2所示，生成的伪地面真通是不一致的，并且视觉质量较低。因此，所有这些伪地面真值提供的更新方向随后都被应用于同一个3D模型。由于平均效应，最的结往往过度平滑且缺乏细节。通常他们是将其对加噪的一系列的图片进行平均，即得到一个伪真值s 通过这张图，可以就看到其预测出来的伪真值有时候其实可以不一致，例如第二行的第2个和第4个。 