GeoFix:单一几何奖励修复4D生成一致性,WorldScore 3D一致性提升39%
Yeobin Hong · hf · 2026-10-14
KAIST、ETH Zürich、Google 等机构提出 GeoFix,用统一框架提升视频扩散模型作为 4D 生成先验时的几何一致性与视觉质量。
- 现有后训练方法需设计几何奖励并平衡外观奖励,易损伤纹理细节
- GeoFix 仅用单一几何奖励:衡量静态场景区域的跨视角深度一致性,不直接约束外观、不惩罚合理物体运动
- 关键校准:深度一致性随相机视场重叠度自然增加,小幅度相机运动易被误判为更好几何,论文按重叠度趋势对奖励进行校准
- 奖励可用于训练和推理时 reward alignment 两种场景
效果:WorldScore 3D 一致性提升 39%,VBench 质量分提升 4%。
「多模态」频道最新
- ElevenLabs 推出 Chimera：Eleven v4 语音加 Seedance 视频让角色开口说话 — AIwithGhotai · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- AuroraTTS-100K：不到 100K 参数的英文 TTS，INT8 仅 127KB — Tall_Abrocoma_3533 · 2026-10-23
- FreeMatching:把图像生成器改造成通用稠密对应匹配器 — kwangmoo_yi · 2026-10-23
- 用 Claude 技能自动剪辑视频,作者公开完整工作流 — jacob_posel · 2026-10-23