论文页面 - CityRAG：通过空间锚定的视频生成步入一座城市

来源：https://huggingface.co/papers/2604.19741

摘要

CityRAG 生成长时、物理一致的视频序列，保持环境连贯性，并支持在真实地理环境中复杂导航，其上下文使用地理配准数据。

我们致力于生成一个 3D 一致、可导航且空间锚定的环境：对真实地点的仿真。现有的视频生成模型（https://huggingface.co/papers?q=video%20generative%20models）能够产生与文本（T2V）或图像（I2V）提示相符的合理序列，但在任意天气与动态物体配置下重建真实世界的能力，对自动驾驶与机器人仿真等下游应用至关重要。为此，我们提出 CityRAG，一种视频生成模型，它利用大规模地理配准数据（https://huggingface.co/papers?q=geo-registered%20data）作为上下文，把生成锚定到物理场景，同时保留对复杂运动和外观变化的先验。CityRAG 采用时间未对齐的训练数据，使模型语义上将基础场景与其瞬时属性解耦。实验表明，CityRAG 可生成连贯、数分钟级、物理一致的视频序列，在数千帧内保持天气与光照条件，实现闭环（https://huggingface.co/papers?q=loop%20closure），并沿复杂轨迹导航以重建真实地理。

查看 arXiv 页面（https://arxiv.org/abs/2604.19741）
查看 PDF（https://arxiv.org/pdf/2604.19741）
项目主页（https://cityrag.github.io/）
添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.19741）

在智能体中阅读该论文：

hf papers read 2604.19741

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

引用该论文的模型 0

暂无模型引用

在模型 README.md 中引用 arxiv.org/abs/2604.19741，即可在此页面显示链接。

引用该论文的数据集 0

暂无数据集引用

在数据集 README.md 中引用 arxiv.org/abs/2604.19741，即可在此页面显示链接。

引用该论文的 Spaces 0

暂无 Space 引用

在 Space README.md 中引用 arxiv.org/abs/2604.19741，即可在此页面显示链接。

包含该论文的收藏 0

暂无收藏包含

将该论文添加到收藏（https://huggingface.co/new-collection），即可在此页面显示链接。