蘋果發布LiTo大模型：單圖秒變3D高度還原多視角光影

🔑 增強重點摘要

• •LiTo使用編碼器-解碼器架構，將物件資訊壓縮至潛在空間，並從單張影像預測潛在表示以重建3D模型。[1][3][6]
• •訓練資料包含數千物件，從150個視角與3種照明條件渲染，並隨機抽樣子集進行學習。[1][2][3]
• •在重建與單圖3D生成指標上，LiTo優於基準模型TRELLIS，展現更佳視覺品質。[2][3][5]

🛠️ 技術深入

• •提出3D潛在表示，聯合建模物件幾何與視角依賴外觀，利用RGB深度影像作為表面光場樣本。[1][6]
• •編碼器將隨機子樣本表面光場壓縮為緊湊潛在向量集；解碼器重建完整3D幾何與多視角外觀。[1][3][4]
• •單圖重建流程：單獨模型從單張影像預測潛在表示，解碼器生成完整3D物件，包括鏡面與Fresnel反射。[3][4]
• •訓練使用數千物件，從150視角與3照明條件渲染，隨機抽樣子集訓練潛在表示捕捉幾何與外觀變化。[1][2][3]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線