Scaffold Diffusion：基于离散扩散的稀疏多类别体素结构生成
计算机视觉与模式识别
2025-11-25 v3 人工智能
机器学习
摘要
生成真实的稀疏多类别3D体素结构因体素结构的立方内存扩展以及稀疏性导致的显著类别不平衡而困难。我们提出Scaffold Diffusion，一种专为稀疏多类别3D体素结构设计的生成模型。将体素视为词元，Scaffold Diffusion使用离散扩散语言模型生成3D体素结构。我们表明，离散扩散语言模型可扩展到文本等本质顺序领域之外，生成具有空间一致性的3D结构。在Minecraft房屋结构（来自3D-Craft数据集）上进行评估，结果表明，与先前基线方法和自回归公式相比，Scaffold Diffusion即使在数据稀疏超过98%的情况下也能产生真实且连贯的结构。我们提供了一个交互式查看器，供读者可视化生成样本及生成过程：https://scaffold.deepexploration.org/
引用
@article{arxiv.2509.00062,
title = {Scaffold Diffusion: Sparse Multi-Category Voxel Structure Generation with Discrete Diffusion},
author = {Justin Jung},
journal= {arXiv preprint arXiv:2509.00062},
year = {2025}
}
备注
Accepted at NeurIPS 2025 Structured Probabilistic Inference & Generative Modeling Workshop