3D-LATTE：基于文本指令的潜在空间 3D 编辑

基于摘要分析。3D-LATTE 研究如何根据文本指令编辑已有 3D 资产，针对依赖 2D 先验的编辑方法可能产生多视角不一致信号的问题，将编辑过程移至原生 3D 扩散模型的潜在空间，以直接操控 3D 几何。 方法核心是在编辑生成过程中融合生成结果与源对象的 3D 注意力图，并结合几何感知正则化引导、Fourier 域频谱调制，以及用于增强 3D 质量的细化步骤。相较于摘要所述的 2D 先验蒸馏与多视角编辑路线，其主要区别是直接利用原生 3D 模型的表示进行编辑；各模块的具体实现、损失形式及协作方式尚未验证。 作者报告，该方法在多种形状与语义操控中优于既有 3D 编辑方法，可实现高保真且精确的编辑。但摘要未提供评估数据集、测试划分、对照方法名称、指标或数值，性能优势的适用范围、实验协议、消融及统计信息尚未验证。复现所需的基础模型、训练与推理设置、算力及代码可用性也需进一步核对。 该研究的主要对象是文本驱动的 3D 资产编辑，而非神经信号建模。摘要未提供其几何表示、注意力融合或频谱调制与 EEG/BCI 任务之间的具体机制对应，因此目前不据此推导 BCI 有效性或提出迁移实验。