Real2SAM2Real：单图生成3D缓存辅助视频扩散
热点事件持续更新
Real2SAM2Real：单图生成3D缓存辅助视频扩散
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
一项名为 Real2SAM2Real 的方法提出，用单张参考图生成拓扑完整的 3D 前景网格缓存，为视频扩散模型提供相机轨迹与前景运动下的法线图引导，同时保留参考图的外观条件。该方法支持相机与多实例运动（含关节人体）的解耦控制，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。 报道称，实验显示该方法在时空一致性与控制精度、视频保真度上优于所评估的 SOTA 方法。上述效果为论文报告的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Real2SAM2Real：用生成式 3D 缓存为视频扩散模型补充上下文报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIReal2SAM2Real：用生成式 3D 缓存为视频扩散模型补充上下文
Real2SAM2Real 用单张参考图生成拓扑完整的 3D 前景网格缓存，为视频扩散模型（VDM）提供相机轨迹与前景运动下的法线图引导，同时保留参考图的外观条件。该方法支持相机与多实例运动的解耦控制（含关节人体），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。实验显示其在时空一致性与控制精度、视频保真度上优于所评估的 SOTA 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。