研究人员开发了 Latent-to-4D，一种从文本或图像生成动态三维场景的新颖方法。该方法通过将视频扩散潜在表示与四维解码器直接对齐，绕过了重建 RGB 视频的需要。在相同的变分自编码器家族内，单个训练好的检查点可以跨不同的视频扩散 Transformer 重用，在 Text4D-200 和 I4D-200 等基准测试中展示了比现有方法更好的性能和人类偏好。 AI
影响 能够更高效、可复用地生成动态三维场景，可能对虚拟现实和内容创作等领域产生影响。
排序理由 该集群描述了一篇详细介绍一种新颖的四维生成方法的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
4D generation synthesizes dynamic 3D scenes from conditions such as text or images. Existing methods either reconstruct generated RGB videos with a separate 4D model or adapt a particular video generator to predict geometry directly. The former suffers from distribution mismatch …
Latent-to-4D enables reusable direct 4D generation from video diffusion latents via alignment with a pretrained decoder and spatiotemporal attention, transferring across generators without retraining.
arXiv:2608.10744v1 Announce Type: new Abstract: 4D generation synthesizes dynamic 3D scenes from conditions such as text or images. Existing methods either reconstruct generated RGB videos with a separate 4D model or adapt a particular video generator to predict geometry directly…