扭转与计算：3D生成式扩散中的姿态成本
计算机视觉与模式识别
2025-11-12 v1
摘要
尽管大规模图像到3D生成模型取得了令人印象深刻的结果，但它们在归纳偏置方面仍显得神秘。我们识别出图像条件3D生成模型的一个重要局限：强烈的标准视图偏见。通过使用简单2D旋转进行受控实验，我们展示，最先进的Hunyuan3D 2.0模型在不同视点间的泛化能力仍有挑战，在输入旋转后性能会下降。我们表明，这一失败可以通过一种轻量级CNN检测和纠正输入方向来缓解，而无需修改生成主干网络。我们的发现提出了一个重要的开放性问题：规模是否足够，还是应该追求模块化、仿射感知的设计？
引用
@article{arxiv.2511.08203,
title = {Twist and Compute: The Cost of Pose in 3D Generative Diffusion},
author = {Kyle Fogarty and Jack Foster and Boqiao Zhang and Jing Yang and Cengiz Öztireli},
journal= {arXiv preprint arXiv:2511.08203},
year = {2025}
}
备注
Accepted to EurIPS 2025 Workshop on Principles of Generative Modeling (PriGM)