Hugging Face · 每日论文· 媒体 / 作者来源·精选
GeoState：实现视角解耦几何状态的三维世界建模
原文标题
GeoState: Learning View-Decoupled Geometry States for 3D World Modeling
AI 导读
研究者提出 GeoState，一种面向预测式三维世界建模的视角解耦几何表示。它利用场景 tokenizer 将多视角几何基础模型（GFM）特征聚合为解耦的场景状态，几何解码器再以相机射线查询，从而把场景状态演化与相机运动分开建模。实验显示，GeoState 在 Waymo 上优于既有三维世界模型，支持跨视角一致查询，并可零样本泛化到 KITTI 和 nuScenes，rollout 过程中无需逐帧尺度对齐。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
把相机视角变化从场景状态中剥离，解决了 GFM 特征视角依赖导致动力学难以预测的瓶颈，可提升自动驾驶等场景下三维世界模型的可预测性与跨数据集泛化能力。
导读由模型辅助整理，非独立核验。完整信息见原文。