GAE：學習用於 3D 一致世界生成的幾何原生潛在空間
為何重要
解決 3D 場景從純 2D 影像生成出的缺乏深度的痛點，為遊戲或虛擬內容製作提供更具潛力的生成式基礎架構。該技術核心在於「解耦表現與幾何」，讓不需額外計算的生成流程也能獲得 3D 護欄，推動具體感觀生成的技術路徑。
視覺生成模型在產生照片級逼真畫面時，常難以保留場景的 3D 一致性。研究者提出 GAE 技術，將 3D 幾何作為生成潛在空間的核心，透過重引數化機制讓 Appearance、Depth、Cameras 和 Point Maps 能被共同編碼，打造出感知與生成模型的共享介面。
- 新提出的 GAE 建立了「幾何原生潛在空間」，用來取代傳統僅專注外觀的潛在空間。
- 標準條件流可用於支援各種生成任務，且無需更改生成器的核心演算法。
- 在等變比較中，GAE 顯著提升影片生成品質與 3D 凝結度：FVD 在 RealEstate10K 和 DL3DV 分別下降 12.7% 與 23.1%。
- RealEstate10K 資料集上的相機軌跡錯誤被減半，顯示 3D 結構更為穩定。