cross-view-attention

PAIWorld 通过几何感知和跨视图注意力机制增强扩散变换器世界模型，提升机器人操作任务中的多视图三维一致性，在基准测试上达到最优结果。

BA-T是一种用于两视图束调整的迭代Transformer架构，通过轻量设计仅使用传统解码器16%的参数，提升3D重建精度和跨视图一致性，性能与更大模型相当甚至更优。