腾讯混元发布 OmniCam：从全景图与文本生成相机运动轨迹
Zhenyang Liu · hf · 2026-10-21
OmniCam（复旦大学、上海创新研究院、腾讯混元、浙江大学）是一个自回归模型，可从全景图和文本指令生成相机位姿序列。
要点：
- 通过几何锚定（geometry-grounded）的位姿 token 学习，以及目标感知条件控制，提升轨迹精度并减少碰撞
- 配套发布 OmniCaT 数据集，含 26.77 万条轨迹，覆盖目标环绕、重建、漫游等任务类型
- 下游应用：相机可控视频生成、相机控制 3D 重建、机器人中的相机引导主动感知
「多模态」频道最新
- 同种子实测最新图像编辑模型：Flux 3 Klein 唯一看懂姿态与夹克侧向 — Dunc4n1d4h0 · 2026-10-21
- 全 AI 短片《The Life of the Gorgon》:Grok 编导+Kling 4.0 动画 — nima_owji · 2026-10-21
- 老用户吐槽 Suno 人声 shimmer 伪影：听听就想吐 — lfschiavo · 2026-10-21
- 网友用 AI 制作《死亡笔记》短片，Loophole 项目新作 — neptune765 · 2026-10-21
- 本地实测 Fibo 2.0 图像编辑：360 度转身保真，物体遮挡理解仍翻车 — Big_Parsnip_9053 · 2026-10-21
- Minimax H3 角色替换实测：Ref2va 8 步 LoRA 迁移面部表情演技 — mexxmillion · 2026-10-21