论文页面 - 闭环：无需训练的自回归生成渲染重访一致性

来源：https://huggingface.co/papers/2607.21848

摘要

近期条件视频生成模型展示出了将三维引擎渲染（如深度图和无纹理几何体）转化为游戏和沉浸式内容创作所需的逼真视频的潜力。这些应用需要长视界自回归生成，即在连续合成新帧的同时保持持久的三维世界。自回归生成器通过有界的KV缓存逐块合成视频，因此当相机在其上下文被驱逐后重新访问某个位置时，即使条件渲染（例如深度）仍与底层几何体完美对齐，模型往往也会生成不一致的外观。我们通过利用三维引擎已提供的对应关系来解决这种重访不一致性，且无需任何后训练：时间对应关系将姿态匹配的历史潜在块作为闭环记忆检索到KV缓存中，而相机姿态和深度重投影的空间对应关系则使词元级注意力偏向检索块中几何对应的区域。我们在从TartanAir和TartanGround数据集中挖掘的闭环轨迹上演示了我们的方法，以模拟复杂的真实应用场景，该方法在重访一致性上优于现有的无训练基线，且不损失整体视频质量。项目页面：https://wenchao-m.github.io/ClosetheLoop.github.io/

查看 arXiv 页面 (https://arxiv.org/abs/2607.21848) 查看 PDF (https://arxiv.org/pdf/2607.21848) 项目页面 (https://wenchao-m.github.io/ClosetheLoop.github.io/#) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.21848)

在你的代理中获取这篇论文：

hf papers read 2607.21848

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

没有模型链接该论文

请在模型 README.md 中引用 arxiv.org/abs/2607.21848 以在此页面中链接。

引用该论文的数据集0

没有数据集链接该论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.21848 以在此页面中链接。

引用该论文的 Spaces0

没有 Space 链接该论文

请在 Space README.md 中引用 arxiv.org/abs/2607.21848 以在此页面中链接。

包含该论文的收藏集0

没有收藏集包含该论文

请将该论文添加到收藏集 (https://huggingface.co/new-collection) 以在此页面中链接。