Shuai Zhang, Zhanpeng Ouyang, Zhengqing Chen, Ruohong Mei, Shaoyu Chen, Weiqiang Ren, Hui Sun, Qian Zhang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28521 · open-access PDF
يستخدم إنتاج الفيديو والتصوير 3D المفاجئ عادةً التصويرات منفصلة، ويتطلب تصفية RGB والتصوير المفاجئ للتعرف على الجغرافيا من المفاجآت التي تم إنشاؤها. نحن نقدم جسر المفاجآت، الذي يتفاوض مع المناطق المفاجآت التي تم إنشاؤها من قبل الفيديو مع المناطق المفاجآت لتصوير الجغرافيا 3D مباشرة من الفيديو المفاجآت. نحن نطمح إلى تطوير الجسر المفاجآت ذات الصلة لـ Wan2.1 و V-RAE، مما يتيح التصوير المفاجآت المفاجآت من الكاميرات والضوء والمفاجآت 3D دون طريق RGB المتوسط. يتم تدريب كل جسر على الفيديو RGB من
Machine translation (Meta M2M100); the English original follows.
Video generation and feed-forward 3D reconstruction typically use separate representations, requiring RGB decoding and visual re-encoding to recover geometry from generated latents. We propose Latent Bridge, which connects video generative latent spaces with geometric feature spaces to directly predict 3D geometry from video latents. We develop representation-specific bridges for Wan2.1 and V-RAE, enabling feed-forward prediction of cameras, depth, and 3D point clouds without the intermediate RGB pathway. Each bridge is trained on RGB videos through feature distillation, while the video encode
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28521, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange