用于三维点云生成的连续时间一致性模型
计算机视觉与模式识别
2025-09-03 v1
摘要
从点云快速、准确地生成三维形状对于机器人、AR/VR 和数字内容创作等应用至关重要。我们提出了 ConTiCoM-3D，一种连续时间一致性模型，可直接在点空间中合成三维形状，无需离散扩散步骤、预训练教师模型或潜在空间编码。该方法将受 TrigFlow 启发的连续噪声调度与基于倒角距离的几何损失相结合，能够在高维点集上进行稳定训练，同时避免昂贵的雅可比向量积计算。这种设计支持高效的一到两步推理，并具有高几何保真度。与以往依赖迭代去噪或潜在解码器的方法相比，ConTiCoM-3D 采用了一个完全在连续时间内运行的时间条件神经网络，从而实现了快速生成。在 ShapeNet 基准上的实验表明，ConTiCoM-3D 在质量和效率上均达到或超越了最先进的扩散模型和潜在一致性模型，使其成为可扩展三维形状生成的实用框架。
引用
@article{arxiv.2509.01492,
title = {A Continuous-Time Consistency Model for 3D Point Cloud Generation},
author = {Sebastian Eilermann and René Heesch and Oliver Niggemann},
journal= {arXiv preprint arXiv:2509.01492},
year = {2025}
}