ControlFlow3D点云上采样框架与ShapeNetPU基准发布

2026年10月16日，arXiv Computer Vision 刊出由 Yuang Liu 等作者提出的 ControlFlow3D 点云上采样框架，并同步发布 ShapeNetPU 多模态基准。据该报道，ControlFlow3D 在训练阶段将预训练基础模型的多视图知识蒸馏进轻量生成网络，使测试阶段无需多视图图像即可完成点云上采样；方法在冻结 3D 编码器定义的潜空间中做条件流匹配，用无监督软 KMeans 将多视图图像 token 与 3D 潜 token 聚类为共享原型，并以一致性损失逐步迁移图像知识，再由基于 Mamba 的几何解码器以线性复杂度输出稠密坐标。报道称 ShapeNetPU 为 35K 物体的多模态基准，规模为此前数据集的 31 倍，且该工作已被 NeurIPS 2026 接收。目前进展为框架与基准发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。