KAUST 提出 JoVox：体素生成训练吞吐提升 8 倍、前向 FLOPs 降至 1/15

KAUST 团队提出面向轻量体素生成的离散流匹配框架 JoVox，通过联合分布建模、双级预测和 unmasking 策略提升效率。对比 SOTA TRELLIS.2，JoVox 训练吞吐高 8 倍，前向 FLOPs 仅为其 1/15，训练使用 4 张 GPU 而对方使用 32 张，Chamfer 距离低 11%，在无条件与图像条件生成上均超过基线。