XCube：使用稀疏体素层级结构的大规模 3D 生成式建模

我们提出了 XCube（简写为 $\mathcal{X}^3$），一种用于具有任意属性的高分辨率稀疏 3D 体素网格的新型生成模型。我们的模型能够以前馈方式生成数百万个体素，最精细的有效分辨率高达 $1024^3$，且无需耗时的测试时优化。为实现这一点，我们采用了一种层级体素隐式扩散模型，该模型使用基于高效 VDB 数据结构构建的定制框架，以由粗到细的方式生成分辨率逐渐增高的网格。除了生成高分辨率物体外，我们还在 100m$\times$100m 规模的大型室外场景上证明了 XCube 的有效性，其体素尺寸可小至 10cm。我们观察到相较于以往方法有明显的定性和定量改进。除了无条件生成外，我们还展示了我们的模型可用于解决多种任务，例如用户引导编辑、基于单次扫描的场景补全以及文本到 3D。源代码和更多结果可在 https://research.nvidia.com/labs/toronto-ai/xcube/ 获取。