PanoWorld：用于一致的全屋全景合成的生成式空间世界模型

arXiv 2026 46.5 method, application

TLDR

PanoWorld利用自回归节点生成、3D外壳和高斯溅射缓存，从平面图生成一致的全屋VR全景图。

评分理由

The paper presents a novel method for consistent multi-room panorama synthesis, effectively combining a 3D geometric proxy with a dynamic Gaussian Splatting cache to maintain cross-view coherence. However, it is narrowly focused on VR tour generation and does not demonstrate general world modeling capabilities or include explicit real-world empirical evaluations in the abstract.

Read-first 评分解释

综合优先阅读分 46.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 25。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

82.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.82647989

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：指标

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：GitHub

主题相关性 29%

35.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：313。

关键词评分

world model

generative world model

world simulator

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

基于节点的360度全景自回归生成，匹配离散VR导览导航
从平面图导出的3D外壳作为全局几何代理，用于空间一致性
动态3D高斯泼溅缓存作为可渲染的空间记忆
专为度量尺度多房间360度输入设计的前馈全景LRM
房间感知组注意力机制抑制跨房间特征干扰
拓扑感知的渐进式缓存策略，无需完整历史重建即可融合局部更新

方法

PanoWorld将整个房屋全景合成视为基于节点的360度全景自回归生成，使用从平面图导出的3D外壳作为全局几何代理，以及动态3D高斯泼溅缓存作为可渲染的空间记忆。一个前馈全景LRM将生成的全景提升为局部3DGS更新，同时房间感知组注意力处理跨房间特征干扰，拓扑感知的渐进式缓存策略融合这些更新而无需重复重建完整历史。

关键结果

通过将基于外壳的几何引导与缓存渲染的视觉记忆解耦，PanoWorld在保持高频2D合成质量的同时，改善了跨节点布局和材质一致性。

技术栈

3D Gaussian SplattingPanoramic LRMRoom-aware Group AttentionTopology-aware Progressive CachingFloorplan-derived 3D Shell

资源

论文