Kangjie Chen

VGGT-Diff 提出一种几何路由的多视角扩散框架，用冻结的 VGGT-Ω 把源视角特征连同 3D 点与置信度经置信度感知的 Visual Geometry Router 变换为与查询视角对齐的条件，注入预训练 Wan2.1-I2V-14B 视频扩散模型，并用 Point-Track Residual Consistency 沿可靠 3D 点轨迹对齐各视角的预测干净残差；在仅 980 个 DL3DV 训练场景下，于 6188 个 DL3DV-Benchmark 目标上 PSNR、LPIPS、DreamSim 排名第一、SSIM 第二，零样本 Mip-NeRF 360 上 LPIPS 与 DreamSim 第一、PSNR 第二。

VGGT-Diff 提出一种几何路由的多视角扩散框架，用冻结的 VGGT-Ω 把源视角特征连同 3D 点与置信度经置信度感知的 Visual Geometry Router 变换为与查询视角对齐的条件，注入预训练 Wan2.1-I2V-14B 视频扩散模型，并用 Point-Track Residual Consistency 沿可靠 3D 点轨迹对齐各视角的预测干净残差；在仅 980 个 DL3DV 训练场景下，于 6188 个 DL3DV-Benchmark 目标上 PSNR、LPIPS、DreamSim 排名第一、SSIM 第二，零样本 Mip-NeRF 360 上 LPIPS 与 DreamSim 第一、PSNR 第二。