Tag · 2 篇
点图
分布 生成模型与扩散1视觉语言模型1
01 02
WorldReel：具有一致几何与运动建模的 4D 视频生成
WorldReel: 4D Video Generation with Consistent Geometry and Motion Modeling
把点图、相机轨迹和稠密光流作为显式 4D 表示与 RGB 帧联合生成，为视频生成提供了一条用几何监督约束时空一致性的可复用路线；做视频扩散或世界模型的研究者可以直接借鉴其 4D 监督信号构造与合成/真实数据混合训练策略。
HiSpatial：在视觉语言模型中驯服分层 3D 空间理解
HiSpatial: Taming Hierarchical 3D Spatial Understanding in Vision-Language Models
把度量尺度点图作为辅助输入注入 VLM，并用四级递进的空间 VQA 数据（约 5M 图像、45M 物体）做监督微调，是提升视觉语言模型 3D 空间理解的一条可复用数据与输入表征路线。