CoTL：从无位姿多视图图像学习紧凑Token表示3D场景

Han Liang 等作者提交论文，提出 CoTL 框架，用于从无位姿多视图图像中学习一组紧凑 Token，以保留场景的几何与外观。 该框架的编码器将输入图像压缩为每个视图少量 latent token，并跨视图聚合，形成视图一致的场景表示。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。