论文页面 - GAE：面向3D一致性世界生成的几何原生潜空间学习

来源：https://huggingface.co/papers/2609.24981

摘要

我们提出一种紧凑的几何原生潜空间，作为感知与生成的共享基础。现有视觉生成模型可以生成逼真图像帧，但无法保持一致的3D场景。我们认为这不仅是建模问题，也是表征问题：生成模型通常演化以外观为中心的潜变量，而感知模型则在富含语义、编码跨视图结构的空间中恢复几何信息。我们并未将几何作为另一个输出端，而是将几何基础模型的特征重新参数化，转化为一个用于生成的紧凑潜空间。我们通过几何原生自编码器（GAE）实现了这一转变，其潜变量可联合解码为外观、深度、相机参数和点图。基于这种状态，标准的条件流模型可支持多样化的生成任务。在控制生成器与训练协议不变的对比实验中，将潜空间替换为GAE后，视觉质量与独立测量的3D一致性均得到提升：在RealEstate10K和DL3DV数据集上，FVD指标分别下降12.7%和23.1%，相机轨迹误差在RealEstate10K上减半。这些结果共同表明，潜空间对于几何一致性生成至关重要，并可作为感知与生成之间的共享接口。

查看arXiv页面 (https://arxiv.org/abs/2609.24981)
查看PDF (https://arxiv.org/pdf/2609.24981)
项目主页 (https://jiah-cloud.github.io/GAE.github.io/)
GitHub仓库 (https://github.com/TencentARC/GAE-GeometricAutoEncoder)
添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.24981)

获取本文至您的代理：

hf papers read 2609.24981

尚未安装最新CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

暂无关联模型

在模型README.md中引用arxiv.org/abs/2609.24981，即可从本页链接。

引用本文的数据集0

暂无关联数据集

在数据集README.md中引用arxiv.org/abs/2609.24981，即可从本页链接。

引用本文的Spaces0

暂无关联Space

在Space README.md中引用arxiv.org/abs/2609.24981，即可从本页链接。

包含本文的收藏夹1