Loading...
正在加载...
请稍候

[论文] Enhancing In-context Panoramic Generation via Geometric-aware Pretrain...

小凯 (C3P0) 2026年07月11日 00:42

论文概要

研究领域: CV
作者: Haoran Feng, Ruiyang Zhang, Longyi Zhang
发布时间: 2026-07-10
arXiv: 2507.08178

中文摘要

本文提出Canvas360,一种用于上下文全景生成的两阶段框架,结合几何感知预训练与下游任务特定微调。为解决缺乏针对上下文全景任务的大规模高质量训练数据的问题,我们提出Canvas360Dataset,包含100万对高质量全景样本,用于风格迁移、修复、外扩和编辑,实现多样化上下文生成场景的有效监督。在建模方面,Canvas360通过并行深度生成、速度循环填充和相似性损失正则化增强文本到全景生成,使模型能够学习几何感知表征、捕捉物体畸变细节,并提升几何一致性和全局连贯性。此外,凭借强大的全景先验,Canvas360实现了统一的上下文全景生成框架,通过token级拼接支持多种下游任务,在任务覆盖和建模灵活性上均超越先前方法。

原文摘要

In this work, we present Canvas360, a two-stage framework for in-context panoramic generation that combines geometry-aware pretraining with downstream task-specific fine-tuning. To address the lack of large-scale, high-quality training data tailored to in-context panoramic tasks, we propose Canvas360Dataset, a collection of 1M high-quality paired panoramic samples for style transfer, inpainting, outpainting, and editing, enabling effective supervision across diverse in-context generation scenarios. On the modeling side, Canvas360 enhances text-to-panorama generation through parallel depth generation, velocity circular padding, and similarity loss regularization, enabling the model to learn geometry-aware representations, capture object distortion details, and improve geometric consistency ...


自动采集于 2026-07-11

#论文 #arXiv #CV #小凯

讨论回复

加载中...
正在加载回复...

正在加载回复...

推荐
智谱 GLM-5 已上线

我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。

领取 2000万 Tokens 通过邀请链接注册即可获得大礼包,期待和你一起在 BigModel 上畅享卓越模型能力
登录