SILSA, un framework de génération 3D qui préserve la topologie, utilise des tranches glissantes
1 sourcemis à jour il y a 5 jpertinence 1,5 sur5
L’essentiel
Face à la meilleure référence, SILSA améliore le PSNR de 8,7 % et réduit l’erreur de Betti de 9,2 %. Il utilise 70 % de tokens en moins que la référence la plus compacte suivante et réduit le temps d’inférence de 58,5 %.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceTianjiao Yu, Xinzhuo Li, Yifan Shen et al.huggingface.co
SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation (site externe)
High-resolution 3D generation increasingly relies on voxel latents and multi-stage pipelines that first predict active structure and then synthesize local geometry.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5