腾讯ARC发布GAE：几何原生潜空间实现3D一致世界生成
腾讯ARC（含CUHK成员）团队发布GAE（Geometry-native Autoencoder）并开源权重。核心主张是：3D不一致生成的根源是表征问题而非建模问题——现有生成器演化的是外观中心潜变量，感知模型在编码跨视图结构的语义空间里才恢复几何。GAE将几何基础模型的特征压缩进一个共享的紧凑潜空间，让生成过程直接发生在几何原生空间中，权重已上传Hugging Face开源。
已确认
- GAE将3072通道的几何特征压缩为128通道的紧凑潜表示
- 条件流模型直接在该几何原生潜空间中生成，同一潜变量可同时解码出RGB外观与3D点云几何，实现「3D原生生成」而非事后从RGB重建3D
- 通过将几何表征学习移入自编码器，DiT得以专注于建模分布，所得潜变量可作为持久世界的柔性「软骨架」
- 实验指标：FVD降低23.1%，相机误差约减半
- 权重已上传Hugging Face（GAE-D64-1B），代码与模型开源
- GAE被定位为持久世界模型的基础构件，首次将紧凑的几何原生自编码器直接嵌入世界建模过程，为生成世界加上「软骨架」：足够灵活以支持想象，又足够结构化以在相机移动时保持世界一致
为什么重要
- 该工作把「3D一致性」从建模层面的修补转向表示层面的重构，为世界模型提供了新的潜空间设计范式
- 同一潜变量同时输出外观与几何，意味着视频生成与3D点云生成可统一在同一框架内，对3D内容生成与具身智能仿真具有潜在价值
- 开源权重（GAE-D64-1B）降低了社区复现与在其上构建生成式世界模型的门槛
2026-09-22 ~ 2026-09-24 · 7 条相关
一手来源
- 腾讯 ARC 提出 GAE：几何原生潜空间让 3D 一致生成 FVD 降逾一成 — TencentARC ·
- GAE 几何原生自编码器:FVD 降 23.1% 的世界模型基石 — yshan2u ·
- 【源头】GAE 几何原生自编码器:FVD 降 23.1% 的世界模型基石 — yshan2u · 2026-09-22
- GAE 发布：在几何原生潜空间直接生成视频与 3D 点云 — yshan2u · 2026-09-22
- 【源头】腾讯 ARC 提出 GAE：几何原生潜空间让 3D 一致生成 FVD 降逾一成 — TencentARC · 2026-09-23
- GAE提出几何原生潜空间：FVD降23%，相机误差减半 — yshan2u · 2026-09-23
- 腾讯 ARC 发布 GAE：几何原生潜空间，FVD 最高降 23% — CSProfKGD · 2026-09-24
另有 2 条近重复转述:yshan2u · AdinaYakup