PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation
A minimalist pixel-space diffusion transformer using plain ViT architecture directly processes 3D point map patches conditioned on image tokens from DINOv3, outperforming complex l…
Hugging Face · Daily Papers
·Haofei Xu, Rundi Wu
·
·▲ 9 upvotes
Este artigo está em destaque na seleção diária de papers do Hugging Face, curada pela comunidade de pesquisa em IA.
Autores: Haofei Xu, Rundi Wu, Philipp Henzler, Nikolai Kalischek, Michael Oechsle, Fabian Manhardt
- 9 upvotes da comunidade
- Temas: Diffusion Transformer, ViT, 3D point map patches, DINOv3, pixel-space, latent diffusion models
Resumo
Resumo original (em inglês), extraído do paper:
A minimalist pixel-space diffusion transformer using plain ViT architecture directly processes 3D point map patches conditioned on image tokens from DINOv3, outperforming complex latent-based models while maintaining simplicity and robustness in ambiguous regions.Onde ler
// relacionados
Leia também
Blog
Revelando a Opinião Pública: Um Estudo de Análise de Sentimentos Usando LSTM e Modelos Tradicionais
Blog
Classificação de imagens por meio de uma estratégia inspirada na computação quântica envolvendo uma mistura de especialistas
Blog
Avaliação Comparativa de Aprendizado Federado em Imagens de Múltiplos Órgãos
Blog