KAUST提出JoVox体素生成框架
热点事件持续更新
KAUST提出JoVox体素生成框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
KAUST团队提出轻量体素生成框架JoVox，通过联合分布建模、双级预测和逐步解掩码，减少生成过程的计算开销。其论文称，相比TRELLIS.2，JoVox训练吞吐量提高8倍，前向计算量降至1/15，训练仅使用4张GPU，而基线使用32张。 JoVox生成的Chamfer距离还比TRELLIS.2低11%，并在无条件生成和图像条件生成任务中超过该基线。
AI 根据报道生成 · 1 小时前更新
最新进展11月10日 12:17
KAUST 提出 JoVox：体素生成训练吞吐提升 8 倍、前向 FLOPs 降至 1/15报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- AGI HuntKAUST 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。