📐 PointDiT: точная 3D-геометрия по одной фотографии
Разработана модель PointDiT, которая оценивает 3D-геометрию по одному монокулярному изображению. В отличие от методов через латентное пространство (VAE), PointDiT применяет диффузию (Flow Matching) напрямую в пиксельном пространстве (raw point maps), что исключает размытие тонких структур.
🌍 Переход к pixel-space diffusion решает проблему «бутылочного горлышка» при восстановлении геометрии, позволяя создавать высокоточные карты глубины и нормалей без потери мелких объектов.
👤 Это критически важный шаг для робототехники и дополненной реальности, так как системы смогут понимать сложные 3D-сцены с тонкими и прозрачными предметами по обычному фото.
Источник 1: https://haofeixu.github.io/pointdit/