Real2SAM2Real：生成式3D缓存补视频扩散上下文

2026年10月15日，arXiv Artificial Intelligence 报道了 Real2SAM2Real 方法：用单张参考图生成拓扑完整的前景 3D 网格缓存，为视频扩散模型补充几何上下文，实现相机与多实例运动的解耦控制。该方法在约 2,000 段单目视频片段上训练，无需显式 3D 资产或多轨迹配对录制，通过法线图引导与软空间对齐注入，在保持预训练生成先验的同时提升时空一致性与控制精度。这是该事件目前唯一一篇报道，尚无后续跟进或与早先报道矛盾之处。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。