GeoState：学习用于 3D 世界建模的视角解耦几何状态
GeoState 是一种预测式 3D 世界建模方法，将场景状态的演化与相机相关的观测分离开来。场景标记器会聚合来自多个视角的几何基础模型特征，生成与视角解耦的场景状态；自回归世界模型随后预测未来状态，而相机运动则单独建模。因此，预测状态可以通过预测相机或外部指定的相机进行解码，无需逐帧进行尺度对齐。实验表明，GeoState 在 Waymo 上优于此前的 3D 世界模型，并能以零样本方式泛化到 KITTI 和 nuScenes。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。