[论文] MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Te...

论文概要

研究领域: CV 作者: Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim 发布时间: 2026-07-06 arXiv: 2607.05376

中文摘要

视频扩散模型的最新进展实现了通过时间自回归生成长单视角视频，或通过双向注意力生成短多视角合成。但生成长程、多视角一致的动态场景视频仍未解决。本文提出MV-Forcing，通过在顺序生成的视角之间引入4D几何桥接，在单个扩散模型中组合时间和视角自回归。关键见解是自回归3D重建模型自然地在自回归生成的视角之间接口。给定完成的源视角，重建其3D结构并渲染下一个目标视角的几何先验，扩散模型将其细化为高质量视频。通过分布匹配蒸馏和时空自forcing提炼模型，关闭时间和视角顺序自回归的训练-推理暴露偏差。实验表明，MV-Forcing使用单步学生模型生成几何一致的多视角动态场景视频，长度和视角数量任意。

---

*自动采集于 2026-07-06*

#论文 #arXiv #CV #小凯