[논문리뷰] tttLRM: Test-Time Training for Long Context and Autoregressive 3D Reconstruction본 논문은 기존 3D 재구성 모델들이 가지는 느린 최적화 , 제한적인 입력 뷰 확장성 , 그리고 긴 시퀀스 컨텍스트 처리 능력 의 한계를 극복하는 것을 목표로 합니다.#Review#3D Reconstruction#Test-Time Training (TTT)#Autoregressive Modeling#Long-Context#Gaussian Splatting#Neural Radiance Fields#Large Reconstruction Models2026년 2월 23일댓글 수 로딩 중
[논문리뷰] Voxify3D: Pixel Art Meets Volumetric Rendering3D 메시에서 고품질 복셀 아트를 자동 생성하는 과정에서 발생하는 기하학적 추상화, 의미 보존, 그리고 이산적인 색상 일관성 간의 상충하는 요구사항을 해결하는 것이 목표입니다. 기존 방법들은 기하학적 구조를 과도하게 단순화하거나 픽셀 단위의 정밀하고 팔레트 제약적인 복셀 아트 미학을 달성하지 못하는 한계가 있습니다.#Review#Voxel Art#Volumetric Rendering#3D Stylization#Neural Radiance Fields#Discrete Optimization#Gumbel-Softmax#CLIP Loss2025년 12월 8일댓글 수 로딩 중
[논문리뷰] GeoSVR: Taming Sparse Voxels for Geometrically Accurate Surface Reconstruction본 논문은 기존 3D Gaussian Splatting (3DGS) 기반 표면 재구성 방법론의 한계, 즉 초기화 시 점군(point clouds) 에 대한 의존성, 불완전한 커버리지, 모호한 기하학적 표현 등의 문제를 해결하는 것을 목표로 합니다.#Review#Surface Reconstruction#Sparse Voxels#Geometric Accuracy#Neural Radiance Fields#3D Gaussian Splatting#Monocular Depth#Voxel Uncertainty2025년 9월 24일댓글 수 로딩 중
[논문리뷰] Pixie: Fast and Generalizable Supervised Learning of 3D Physics from Pixels이 논문은 기존 3D 장면 재구성 모델(예: NeRF, Gaussian Splatting)이 시각적 외형에만 집중하고 물리적 속성 예측에는 한계가 있는 문제를 해결하고자 합니다.#Review#3D Physics Prediction#Supervised Learning#CLIP Features#Neural Radiance Fields#Material Point Method#PIXIEVERSE Dataset#Zero-Shot Generalization2025년 8월 27일댓글 수 로딩 중