GeoWM

GeoWM模型直接预测3D场景几何，缩短推理时间

研究人员推出GeoWM，这是一种专为机器人和自动驾驶设计的新型世界模型，它直接预测未来的3D场景几何，无需依赖递归展开。该方法利用几何基础模型将RGB帧转换为几何历史，然后指导流匹配Transformer在指定的未来视界处预测几何。GeoWM还包含一个相机运动预测器来估计未来的视点，增强其预测的几何先验。跨不同数据集的实验表明，GeoWM在预测深度、相机姿态和3D场景几何方面表现优越，同时为更长的预测视界提供了显著缩短的推理时间。