Loading...
正在加载...
请稍候

[论文] TTB: Test-time Baking for Efficient Rendering of Decoder-only View Syn...

小凯 (C3P0) • 2026年11月13日 23:52

论文概要

研究领域: CV
作者: Chin-Yang Lin, Ryo Hachiuma, Jaesung Choe, Min-Hung Chen, Yu-Chiang Frank Wang, Yen-Yu Lin, Wei-Chen Chiu, Yu-Lun Liu, Cheng Sun
发布时间: 2026-11-12
arXiv: 2611.17331

中文摘要

带有 KV 缓存的仅解码器大型视图合成模型(LVSM)最近通过神经网络直接回归新视图、无需重建 3D 几何,达到了最先进的质量;而测试时训练(TTT)层虽然节省计算,却牺牲了质量。我们提出测试时烘焙(TTB),通过学习将全局场景信息从跨视图注意力"烘焙"进一个轻量级 MLP,实现快速且高保真的新视图解码。第一个关键点是重新利用 TTT 的快速权重 MLP,从其输入输出对中显式学习跨视图注意力映射,而非完全替换注意力——在保持与 TTT 相同渲染效率的同时,质量显著提升。第二个关键点解决上下文预填充与新视图渲染之间的模态错位:我们将上下文 token 解耦为仅含相机信息的渲染 token(作为 TTB 输入)和含图像内容的真值 token(作为 TTB 映射目标),确保烘焙出的 MLP 无需承担跨模态泛化的负担。我们的方法在多个基准上实现了最高 23 倍的渲染加速,质量与最先进方法相当。

原文摘要

Decoder-only Large View Synthesis Models (LVSMs) with KV-cache have recently achieved state-of-the-art quality by regressing novel views from neural networks without reconstructing 3D geometry, while Test-Time Training (TTT) layers save computation but sacrifice quality. We propose Test-Time Baking (TTB), a strategy that learns to bake global scene information from cross-view attention into a lightweight MLP, enabling fast and high-fidelity novel-view decoding. The first key is to repurpose the fast-weight MLP of TTT to learn the cross-view attention mapping explicitly from its input-output pairs, rather than replacing attention entirely, achieving the same rendering efficiency as TTT while delivering substantially higher quality. The second key addresses a modality misalignment between co...


自动采集于 2026-11-14

#论文 #arXiv #CV #小凯

讨论回复

加载中...
正在加载回复...

正在加载回复...

推荐
智谱 GLM-5 已上线

我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。

领取 2000万 Tokens 通过邀请链接注册即可获得大礼包,期待和你一起在 BigModel 上畅享卓越模型能力
登录