论文页面 - MoCam: 通过结构化去噪动力学实现统一的新视图合成

来源: https://huggingface.co/papers/2605.12119

摘要

MoCam 在扩散框架内通过结构化去噪动力学，动态协调几何先验与外观先验，从而应对生成式新视图合成的挑战。

生成式新视图合成 (https://huggingface.co/papers?q=view%20synthesis) 面临一个根本性困境：几何先验 (https://huggingface.co/papers?q=geometric%20priors) 提供空间对齐，但在视角变化下会变得稀疏且不准确；而外观先验 (https://huggingface.co/papers?q=appearance%20priors) 虽能提供视觉保真度，却缺乏几何对应关系。现有方法要么在生成过程中传播几何误差 (https://huggingface.co/papers?q=geometric%20errors)，要么在静态融合两者时遭受信号冲突。我们引入了 MoCam，它利用结构化去噪动力学 (https://huggingface.co/papers?q=denoising%20dynamics) 在扩散过程 (https://huggingface.co/papers?q=diffusion%20process) 中协调从几何到外观的有序推进。MoCam 首先在早期阶段利用几何先验 (https://huggingface.co/papers?q=geometric%20priors) 来锚定粗略结构并容忍其不完整性，然后在后期阶段切换到外观先验 (https://huggingface.co/papers?q=appearance%20priors) 以主动纠正几何误差 (https://huggingface.co/papers?q=geometric%20errors) 并细化细节。这种设计通过在扩散过程 (https://huggingface.co/papers?q=diffusion%20process) 中在时间上解耦几何对齐和外观细化 (https://huggingface.co/papers?q=appearance%20refinement)，自然地统一了静态和动态视图合成 (https://huggingface.co/papers?q=view%20synthesis)。实验表明，MoCam 显著优于先前方法，特别是在点云 (https://huggingface.co/papers?q=point%20clouds) 包含严重空洞或失真时，实现了鲁棒的几何-外观解耦。

查看 arXiv 页面 (https://arxiv.org/abs/2605.12119) 查看 PDF (https://arxiv.org/pdf/2605.12119) 项目页面 (https://orange-3dv-team.github.io/MoCam/) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2605.12119)

在你的 Agent 中获取此论文：

hf papers read 2605\.12119

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

引用此论文的模型 0

没有链接到此论文的模型

在模型 README.md 中引用 arxiv.org/abs/2605.12119 即可从此页面建立链接。

引用此论文的数据集 0

没有链接到此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2605.12119 即可从此页面建立链接。

引用此论文的 Spaces 0

没有链接到此论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2605.12119 即可从此页面建立链接。

包含此论文的收藏集 0

没有包含此论文的收藏集

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面建立链接。