标签
Holo4D 是一个视频重拍框架，利用重建的 3D 轨迹骨架来引导预训练的视频扩散模型进行新视角视频合成，在保留场景几何结构和运动的同时，以生成方式补全未观测区域，无需重新训练生成器。
3D HAMSTER利用带深度编码的视觉-语言模型生成用于点云控制的三维轨迹，从而增强机器人操作能力，其表现优于二维引导的基线方法。