同济等发布 GeoState:视角解耦几何状态,分离场景动态与相机运动
Tongji · hf · 2026-10-19
同济大学、香港理工、腾讯等发布 GeoState,面向预测式 3D 世界建模的视角解耦几何状态表示。现有 3D 世界模型常用几何基础模型(GFM)特征做世界状态,但其视角依赖性使场景动态与相机运动纠缠,状态演化难以预测。
- 场景分词器(scene tokenizer)聚合多视角 GFM 特征,生成视角解耦的场景状态
- 几何解码器用相机光线查询该状态;自回归世界模型据此预测未来场景状态,相机运动单独建模
- 实现一致的多视角预测与跨数据集泛化
「研究」频道最新
- Dream2Discern:自造困难样本预测多智能体系统运行时失败 — RutgersU · 2026-10-19
- 复旦等发布 BridgeWAM:桥接查询解耦视频与动作专家,推理提速 2.47 倍 — Fudan-University · 2026-10-19
- NVIDIA FC-SWE:用失败补丁反馈做条件化 RL,提升 SWE 智能体多轮解决率 — nvidia · 2026-10-19
- 浙大提出 AVC-Reward:事件中心框架评测音视频生成一致性 — ZhejiangUniversity · 2026-10-19
- PremiseCheck:把审稿意见拆成前提逐条核查,成本仅为 GPT-5.5 一半 — Dingjie Song · 2026-10-19
- SciΠvot 基准:前沿模型科研判断力不及人类,常偏爱有缺陷方案 — Youran Sun · 2026-10-19