# 多视角扩散

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。

UltraTex 是一个端到端多视图扩散框架，通过背景令牌丢弃、块稀疏注意力和前景感知 VAE 解码，把图像引导的 3D 纹理生成从 512/768 分辨率扩展到 2048 分辨率，并构建了覆盖超过 268,000 个 3D 资产的 G-buffer TexVerse 数据集，在数据集常见前景比例区间（10%–30%）内实现 20.6–91.1 倍训练加速和 22.3–74.6 倍端到端推理加速。

UltraTex 是一个端到端多视图扩散框架，通过背景令牌丢弃、块稀疏注意力和前景感知 VAE 解码，把图像引导的 3D 纹理生成从 512/768 分辨率扩展到 2048 分辨率，并构建了覆盖超过 268,000 个 3D 资产的 G-buffer TexVerse 数据集，在数据集常见前景比例区间（10%–30%）内实现 20.6–91.1 倍训练加速和 22.3–74.6 倍端到端推理加速。