1枚の画像から高精度3Dシーンを生成するFLAT、三角形プリミティブを直接デコード

要約

FLATは、動画拡散モデルの潜在表現から三角形スプラット（triangle splats）を1パスで直接デコードする手法で、単一画像から幾何学的に正確な3Dシーンを生成する。既存手法は体積的な3D Gaussianを出力するため明確なサーフェスが得られずシミュレーションや標準グラフィクスパイプラインでの利用が困難だったが、FLATはサーフェス整合プリミティブを出力することでこの課題を解決した。三角形回帰のためのレイ中心回転パラメータ化と、微分可能レンダリング時の勾配フローを改善するプロダクトウィンドウ関数が核心技術で、標準ベンチマークで最先端フィードフォワードベースラインと競合する視覚品質を維持しつつ幾何精度を大幅に向上させた。