标签
PaGeR 适配了多视角透视基础模型 Depth Anything 3，利用固定的立方体贴图表示，从单张等距柱状投影图像中预测尺度不变深度、度量深度、表面法线和天空分割，同时保持 VRAM 和运行时间恒定。本文还发布了 ZüriPano 和 PanoInfinigen 数据集。
提出GARD，一种基于扩散的框架，在前馈三维重建器的特征空间中操作，从退化输入中联合恢复场景几何和高质量图像。
GenRecon提出了一种3D场景重建方法，将生成式3D先验与多视图图像条件相结合，实现了室内环境的高保真、可编辑网格重建，性能比现有方法提升16%。
本文针对 Ego-Exo4D 数据集提出了三种参数高效的多视角熟练度评估方法，实现了从判别式分类到生成式反馈的转变。与基于视频 Transformer 的基线模型相比，所提出的模型在参数量和训练轮次大幅减少的同时，取得了最先进的准确率。
MultiWorld 是一个统一的多智能体多视角视频世界建模框架，通过多智能体条件模块与全局状态编码器，在精准控制多智能体行为的同时保持多视角一致性。