ARGS：通过并行渐进下一尺度预测进行自回归高斯泼溅

用于二维图像下一尺度预测的自回归框架已经证明了通过逐步细化粗略输入来生成多样化和复杂内容的强大潜力。然而，将此范式扩展到 3D 对象生成在很大程度上仍未得到探索。在本文中，我们介绍了自回归高斯分布（ARGS），这是一种根据细节级别并行进行下一尺度预测的框架。我们提出了高斯简化策略并逆向简化以指导下一代。受益于分层树的使用，生成过程仅需要 \(\mathcal{O}(\log n)\) 步骤，其中 \(n\) 是点数。此外，我们提出了一种基于树的 Transformer 来自动回归预测树结构，允许叶节点关注其内部祖先以增强结构一致性。大量的实验表明，我们的方法可以有效地生成具有可控细节水平、视觉保真度和可管理时间消耗预算的多尺度高斯表示。