Voyager：面向可探索3D场景生成的长程世界一致视频扩散
TLDR
Voyager通过世界一致视频扩散和缓存从单张图像生成可探索的3D场景，实现长程一致性。
评分理由
The paper presents a novel video diffusion framework for 3D scene generation, with strengths in end-to-end consistency and long-range exploration. Weaknesses include lack of explicit real-world evaluation and limited connection to reinforcement learning or dynamics prediction.
Read-first 评分解释
综合优先阅读分 46.6，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。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：372。
关键词评分
深度分析
创新点
- 世界一致视频扩散：一种统一架构，联合生成对齐的RGB和深度视频序列，并以现有世界观测为条件确保全局一致性。
- 长程世界探索：一个高效的世界缓存，包含点剔除和自回归推理，结合平滑视频采样，实现具有上下文感知一致性的迭代场景扩展。
- 可扩展数据引擎：一个视频重建流程，自动估计任意视频的相机姿态和度量深度，无需手动3D标注即可实现大规模、多样化的训练数据整理。
方法
Voyager是一个视频扩散框架，能够从单张图像和用户定义的相机路径生成世界一致的3D点云序列。它集成了三个关键组件：用于联合生成RGB和深度的世界一致视频扩散、使用世界缓存和自回归推理的长程世界探索，以及用于自动姿态和深度估计的可扩展数据引擎。该方法实现了端到端的场景生成与重建，无需传统的3D重建流程（如运动恢复结构或多视图立体）。
关键结果
Voyager在视觉质量和几何精度上明显优于现有方法，具有广泛的可探索3D场景生成应用。