Newest papers

Latent Bridge: From Video Latents to 3D Geometry via Feature Alignment

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

Russian

Видеогенерация и реконструирование 3D-потоков обычно используют отдельные представления, требующие расшифровки RGB и визуального перекодирования для восстановления геометрии от генерируемых латентов. Мы предлагаем Латентный мост, который соединяет видеогенеративные латентные пространства с геометрическими характеристическими пространствами, чтобы непосредственно предсказать 3D-геометрию от видеолатентов. Мы разрабатываем специфические для представления мосты для Wan2.1 и V-RAE, позволяющие прогнозировать камеры, глубину и 3D-облака без промежуточного RGB-пути.

Machine translation (Meta M2M100); the English original follows.

Abstract

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

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange