3Dデータの無秩序な性質に適応した自己回帰モデリングフレームワークの提案。クロススケールクエリトランスフォーマーを用いて、異なる詳細レベルの離散トークンを生成し、自己回帰的な学習を可能にする。
本論文では、学習不要の3D生成高速化手法「Hash3D」を提案する。Hash3Dは、近接するカメラ位置や時間ステップで生成される特徴マップの冗長性に着目し、グリッドベースのハッシュ表を用いて効率的に特徴を再利用することで、3D生成プロセスを大幅に高速化する。