--- format: "aidr-story-markdown/v1" id: "3d4523482971df05fa6c52d889cbecf859069973366311f7d09efd2e0f5b03a1" canonical_url: "https://aidr.today/3d452348?lang=vi" title: "JoVox: Joint Hierarchical Flow Matching for Lightweight Voxel Generation" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-11-10T00:00:00.000Z" category: "Research" topics: ["research"] source_urls: ["https://huggingface.co/papers/2611.10690"] summary: "Sinh ra voxel chất lượng cao trong khi duy trì tính nhẹ của chúng vẫn là một bài toán mở trong thị giác máy tính. Các bộ tạo hiện tại thường cho chất lượng cao nhưng tốn tính toán, hoặc nhẹ nhưng chất lượng thấp. Các phương pháp phân cấp giữ được tính nhẹ của voxel. Tuy nhiên, các mức gồ ghề nhất — quyết định nơi mọi tế bào cấp tinh hơn có thể xuất hiện — được sinh ra với ít thông tin nhất về hình dạng và không bao giờ được xem xét lại, nên chúng thường hợp lý nhưng sai. Đây là nhận định then chốt của nhóm tác giả: để các tế bào cấp tinh hơn tham gia quyết định các tế bào cấp gồ ghề. Để làm điều này, họ đề xuất JoVox, một khung dựa trên flow matching rời rạc học hành vi đồng thời của tất cả các mức trong phân cấp voxel, thay vì một phân phối riêng biệt cho mỗi mức, sao cho các tế bào cấp gồ ghề có thể được dự đoán với các tế bào cấp tinh hơn đã được sinh ra gần đó. Trong khung này, nhóm tác giả còn giới thiệu dự báo hai cấp, xuất ra tế bào hai mức tinh hơn cùng lúc thay vì chỉ một mức, giảm một nửa số mức mà mạng phải xử lý và cho kết quả voxel chất lượng cao hơn." --- # JoVox: Joint Hierarchical Flow Matching for Lightweight Voxel Generation > [Open the canonical story]() **Published:** 2026-11-10T00:00:00.000Z **Category:** Research **Topics:** research ## Summary Sinh ra voxel chất lượng cao trong khi duy trì tính nhẹ của chúng vẫn là một bài toán mở trong thị giác máy tính\. Các bộ tạo hiện tại thường cho chất lượng cao nhưng tốn tính toán, hoặc nhẹ nhưng chất lượng thấp\. Các phương pháp phân cấp giữ được tính nhẹ của voxel\. Tuy nhiên, các mức gồ ghề nhất — quyết định nơi mọi tế bào cấp tinh hơn có thể xuất hiện — được sinh ra với ít thông tin nhất về hình dạng và không bao giờ được xem xét lại, nên chúng thường hợp lý nhưng sai\. Đây là nhận định then chốt của nhóm tác giả: để các tế bào cấp tinh hơn tham gia quyết định các tế bào cấp gồ ghề\. Để làm điều này, họ đề xuất JoVox, một khung dựa trên flow matching rời rạc học hành vi đồng thời của tất cả các mức trong phân cấp voxel, thay vì một phân phối riêng biệt cho mỗi mức, sao cho các tế bào cấp gồ ghề có thể được dự đoán với các tế bào cấp tinh hơn đã được sinh ra gần đó\. Trong khung này, nhóm tác giả còn giới thiệu dự báo hai cấp, xuất ra tế bào hai mức tinh hơn cùng lúc thay vì chỉ một mức, giảm một nửa số mức mà mạng phải xử lý và cho kết quả voxel chất lượng cao hơn\. ## Sources - [Story source]()