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
La génération de vidéos et la reconstruction 3D de feed-forward utilisent généralement des représentations distinctes, nécessitant un décodage RGB et un re-codage visuel pour récupérer la géométrie des latents générés. Nous proposons Latent Bridge, qui connecte les espaces latents de génération de vidéos avec des espaces de caractéristiques géométriques pour prédire directement la géométrie 3D des latents vidéo. Nous développons des ponts spécifiques à la représentation pour Wan2.1 et V-RAE, permettant une prévision de feed-forward des caméras, de la profondeur et des nuages de point 3D sans le chemin RGB intermédiaire. Chaque pont est formé sur les vidéos RGB par distillation de caractéristiques, tandis
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