论文页面 - 通过几何感知预训练增强上下文全景生成

来源：https://huggingface.co/papers/2607.08765

摘要

Canvas360 是一个用于上下文全景生成的两阶段框架，结合了几何感知预训练与微调，包含大规模数据集和新型建模技术，旨在提升几何一致性和全局连贯性。

在这项工作中，我们提出了 Canvas360，一个用于上下文全景生成（https://huggingface.co/papers?q=in-context%20panoramic%20generation）的两阶段框架，它结合了几何感知预训练（https://huggingface.co/papers?q=geometry-aware%20pretraining）与下游任务特定微调（https://huggingface.co/papers?q=downstream%20task-specific%20fine-tuning）。为解决缺乏针对上下文全景任务的大规模高质量训练数据的问题，我们提出了 Canvas360Dataset，一个包含 100 万对高质量全景样本的数据集，用于风格迁移、修复、扩展和编辑，为多种上下文生成场景提供有效监督。在建模方面，Canvas360 通过并行深度生成（https://huggingface.co/papers?q=parallel%20depth%20generation）、速度圆形填充（https://huggingface.co/papers?q=velocity%20circular%20padding）和相似性损失正则化（https://huggingface.co/papers?q=similarity%20loss%20regularization）增强了文本到全景图的生成能力，使模型能够学习几何感知表征、捕捉物体形变细节，并提升几何一致性（https://huggingface.co/papers?q=geometric%20consistency）和全局连贯性（https://huggingface.co/papers?q=global%20coherence）。此外，凭借强大的全景先验知识，Canvas360 通过令牌级拼接（https://huggingface.co/papers?q=token-level%20concatenation）实现了一个统一的上下文全景生成（https://huggingface.co/papers?q=in-context%20panoramic%20generation）框架，支持多种下游任务，在任务覆盖率和建模灵活性上超越先前方法。大量实验表明，Canvas360 提升了全景图像保真度（https://huggingface.co/papers?q=panoramic%20image%20fidelity），在全景专用的 FAED 指标（https://huggingface.co/papers?q=panorama-specific%20FAED%20metric）上表现尤为出色，并在报告的定量评估中达到具有竞争力或领先的结果。更多信息请访问我们的项目页面：https://zry000.github.io/Canvas360/

查看 arXiv 页面 (https://arxiv.org/abs/2607.08765) 查看 PDF (https://arxiv.org/pdf/2607.08765) 项目页面 (https://zry000.github.io/Canvas360/) GitHub5 (https://github.com/Insta360-Research-Team/Canvas360) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.08765)

在您的 Agent 中获取此论文：

hf papers read 2607.08765

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

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.08765 以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.08765 以从此页面链接。

引用此论文的 Space0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2607.08765 以从此页面链接。

包含此论文的收藏集0

没有包含此论文的收藏集

将这篇论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。