arXiv Computer Vision· Hongchang Liu, Jian Liu, Yujuan Ding, Liang Peng, Xun Jiang, Fei Ma, Xing Xu, Yi Bin·· 2 小时前AI 评分28
GeoState：面向 3D 世界建模的视角解耦几何状态学习
GeoState: Learning View-Decoupled Geometry States for 3D World Modeling
AI 导读
GeoState 是一种面向预测式 3D 世界建模的视角解耦几何表示，将场景状态演化与相机相关观测分离：场景 tokenizer 把多视角 GFM 特征聚合为视角解耦的场景状态，几何解码器用相机射线查询，自回归世界模型预测未来场景状态，相机运动单独建模。实验显示其在 Waymo 上优于已有 3D 世界模型，支持几何一致的跨视角查询，并零样本泛化到 KITTI 和 nuScenes。
来源：arXiv Computer Vision · arxiv.org