GAE提出几何原生潜空间：FVD降23%，相机误差减半

yshan2u · x · 2026-09-23

论文《GAE: Learning a Geometry-Native Latent Space for 3D-Consistent World Generation》主张：3D 不一致的核心是表征问题而非建模问题。团队将几何基础模型的特征重参数化为紧凑潜空间，其潜变量可联合解码为外观、深度、相机与点图，再用标准条件流在该空间中做生成，相机轨迹即可引导生成。

控制变量对比显示，换成 GAE 潜空间后：RealEstate10K 与 DL3DV 上 FVD 分别下降 12.7% 和 23.1%，RealEstate10K 相机轨迹误差减半，视觉质量与独立测量的 3D 一致性同时提升。论文、代码与项目页已开源。