待验证50% 置信事实精确时间
CoTL（Compact Token Learning）提出用一小组紧凑的潜在Token来保留场景的几何与外观信息，让表示能力随观测数量的增加而自然扩展。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证论文在ACID等数据集上进行了实验，结果显示CoTL的紧凑、非结构化的Token集合不仅支持具有竞争力的新视角合成效果，还可以作为生成模型的潜在空间用于3D高斯场景生成。73% 相似待验证CoTL的编码器中每增加一个视角，表示只需扩展一小部分与分辨率无关的Token，使表示的容量随可用观测数量灵活增长，而非被固定大小的网络参数所限制。73% 相似待验证视觉思维链（Visual CoT）让模型在生成文本中间步骤的同时生成中间推理图像，例如标注关键区域、预测未来帧或绘制空间关系示意图68% 相似待验证CoT与递归模型的关键区别在于信息可见范围：CoT各推理步骤间可相互看见，而递归模型每个子任务只能看到自己的局部输入66% 相似待验证扩散模型在训练过程中学习到的是视觉概念的分布式表征，不同IP的视觉元素在潜在空间中以可组合的形式存在63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024091API
curl https://kongchang.com/api/v1/knowledge/claims/1024091MCP
get_claim(id=1024091)