GTA: Advancing Image-to-3D World Generation via Geometry Then Appearance Video Diffusion
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhu, Hanxin, Wang, Cong, Tu, Peiyan, Luo, Jiayi, He, Tianyu, Jin, Xin, Chen, Zhibo |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Embody4D: A Generalist 4D World Model for Embodied AI
par: Tu, Peiyan, et autres
Publié: (2026)
par: Tu, Peiyan, et autres
Publié: (2026)
OrthoPhys: Physically Plausible Video Generation with Orthogonal-View Geometry Guidance
par: Wang, Cong, et autres
Publié: (2026)
par: Wang, Cong, et autres
Publié: (2026)
GaussianSR: 3D Gaussian Super-Resolution with 2D Diffusion Priors
par: Yu, Xiqian, et autres
Publié: (2024)
par: Yu, Xiqian, et autres
Publié: (2024)
Compositional 3D-aware Video Generation with LLM Director
par: Zhu, Hanxin, et autres
Publié: (2024)
par: Zhu, Hanxin, et autres
Publié: (2024)
CMC: Few-shot Novel View Synthesis via Cross-view Multiplane Consistency
par: Zhu, Hanxin, et autres
Publié: (2024)
par: Zhu, Hanxin, et autres
Publié: (2024)
4DWorldBench: A Comprehensive Evaluation Framework for 3D/4D World Generation Models
par: Lu, Yiting, et autres
Publié: (2025)
par: Lu, Yiting, et autres
Publié: (2025)
AR4D: Autoregressive 4D Generation from Monocular Videos
par: Zhu, Hanxin, et autres
Publié: (2025)
par: Zhu, Hanxin, et autres
Publié: (2025)
TIV-Diffusion: Towards Object-Centric Movement for Text-driven Image to Video Generation
par: Wang, Xingrui, et autres
Publié: (2024)
par: Wang, Xingrui, et autres
Publié: (2024)
Is Vanilla MLP in Neural Radiance Field Enough for Few-shot View Synthesis?
par: Zhu, Hanxin, et autres
Publié: (2024)
par: Zhu, Hanxin, et autres
Publié: (2024)
P-4DGS: Predictive 4D Gaussian Splatting with 90$\times$ Compression
par: Wang, Henan, et autres
Publié: (2025)
par: Wang, Henan, et autres
Publié: (2025)
Attention Sparsity is Input-Stable: Training-Free Sparse Attention for Video Generation via Offline Sparsity Profiling and Online QK Co-Clustering
par: Luo, Jiayi, et autres
Publié: (2026)
par: Luo, Jiayi, et autres
Publié: (2026)
End-to-End Rate-Distortion Optimized 3D Gaussian Representation
par: Wang, Henan, et autres
Publié: (2024)
par: Wang, Henan, et autres
Publié: (2024)
GSemSplat: Generalizable Semantic 3D Gaussian Splatting from Uncalibrated Image Pairs
par: Wang, Xingrui, et autres
Publié: (2024)
par: Wang, Xingrui, et autres
Publié: (2024)
SeD: Semantic-Aware Discriminator for Image Super-Resolution
par: Li, Bingchen, et autres
Publié: (2024)
par: Li, Bingchen, et autres
Publié: (2024)
Geometry Forcing: Marrying Video Diffusion and 3D Representation for Consistent World Modeling
par: Wu, Haoyu, et autres
Publié: (2025)
par: Wu, Haoyu, et autres
Publié: (2025)
Future Forcing: Future-aware Training-free KV Cache Policy for Autoregressive Video Generation
par: Luo, Jiayi, et autres
Publié: (2026)
par: Luo, Jiayi, et autres
Publié: (2026)
Orchid: Image Latent Diffusion for Joint Appearance and Geometry Generation
par: Krishnan, Akshay, et autres
Publié: (2025)
par: Krishnan, Akshay, et autres
Publié: (2025)
Light Field Compression Based on Implicit Neural Representation
par: Wang, Henan, et autres
Publié: (2024)
par: Wang, Henan, et autres
Publié: (2024)
UCIP: A Universal Framework for Compressed Image Super-Resolution using Dynamic Prompt
par: Li, Xin, et autres
Publié: (2024)
par: Li, Xin, et autres
Publié: (2024)
Sonic4D: Spatial Audio Generation for Immersive 4D Scene Exploration
par: Xie, Siyi, et autres
Publié: (2025)
par: Xie, Siyi, et autres
Publié: (2025)
3D4D: An Interactive, Editable, 4D World Model via 3D Video Generation
par: He, Yunhong, et autres
Publié: (2025)
par: He, Yunhong, et autres
Publié: (2025)
Layout2Scene: 3D Semantic Layout Guided Scene Generation via Geometry and Appearance Diffusion Priors
par: Chen, Minglin, et autres
Publié: (2025)
par: Chen, Minglin, et autres
Publié: (2025)
TAPESTRY: From Geometry to Appearance via Consistent Turntable Videos
par: Zeng, Yan, et autres
Publié: (2026)
par: Zeng, Yan, et autres
Publié: (2026)
VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model
par: Sun, Jingwen, et autres
Publié: (2026)
par: Sun, Jingwen, et autres
Publié: (2026)
PEGAsus: 3D Personalization of Geometry and Appearance
par: Hu, Jingyu, et autres
Publié: (2026)
par: Hu, Jingyu, et autres
Publié: (2026)
EAGLE: Episodic Appearance- and Geometry-aware Memory for Unified 2D-3D Visual Query Localization in Egocentric Vision
par: Cao, Yifei, et autres
Publié: (2025)
par: Cao, Yifei, et autres
Publié: (2025)
WorldWarp: Propagating 3D Geometry with Asynchronous Video Diffusion
par: Kong, Hanyang, et autres
Publié: (2025)
par: Kong, Hanyang, et autres
Publié: (2025)
DiGA3D: Coarse-to-Fine Diffusional Propagation of Geometry and Appearance for Versatile 3D Inpainting
par: Pan, Jingyi, et autres
Publié: (2025)
par: Pan, Jingyi, et autres
Publié: (2025)
LiftVSR: Lifting Image Diffusion to Video Super-Resolution via Hybrid Temporal Modeling with Only 4$\times$RTX 4090s
par: Wang, Xijun, et autres
Publié: (2025)
par: Wang, Xijun, et autres
Publié: (2025)
Learning to Align Generative Appearance Priors for Fine-grained Image Retrieval
par: Wang, Shijie, et autres
Publié: (2026)
par: Wang, Shijie, et autres
Publié: (2026)
GenTron: Diffusion Transformers for Image and Video Generation
par: Chen, Shoufa, et autres
Publié: (2023)
par: Chen, Shoufa, et autres
Publié: (2023)
IPDreamer: Appearance-Controllable 3D Object Generation with Complex Image Prompts
par: Zeng, Bohan, et autres
Publié: (2023)
par: Zeng, Bohan, et autres
Publié: (2023)
GTA: A Geometry-Aware Attention Mechanism for Multi-View Transformers
par: Miyato, Takeru, et autres
Publié: (2023)
par: Miyato, Takeru, et autres
Publié: (2023)
StereoWorld: Geometry-Aware Monocular-to-Stereo Video Generation
par: Xing, Ke, et autres
Publié: (2025)
par: Xing, Ke, et autres
Publié: (2025)
Sat2RealCity: Geometry-Aware and Appearance-Controllable 3D Urban Generation from Satellite Imagery
par: Kang, Yijie, et autres
Publié: (2025)
par: Kang, Yijie, et autres
Publié: (2025)
Voyager: Long-Range and World-Consistent Video Diffusion for Explorable 3D Scene Generation
par: Huang, Tianyu, et autres
Publié: (2025)
par: Huang, Tianyu, et autres
Publié: (2025)
FantasyWorld: Geometry-Consistent World Modeling via Unified Video and 3D Prediction
par: Dai, Yixiang, et autres
Publié: (2025)
par: Dai, Yixiang, et autres
Publié: (2025)
CoNo: Consistency Noise Injection for Tuning-free Long Video Diffusion
par: Wang, Xingrui, et autres
Publié: (2024)
par: Wang, Xingrui, et autres
Publié: (2024)
UniLat3D: Geometry-Appearance Unified Latents for Single-Stage 3D Generation
par: Wu, Guanjun, et autres
Publié: (2025)
par: Wu, Guanjun, et autres
Publié: (2025)
Dual Recursive Feedback on Generation and Appearance Latents for Pose-Robust Text-to-Image Diffusion
par: Kim, Jiwon, et autres
Publié: (2025)
par: Kim, Jiwon, et autres
Publié: (2025)
Documents similaires
-
Embody4D: A Generalist 4D World Model for Embodied AI
par: Tu, Peiyan, et autres
Publié: (2026) -
OrthoPhys: Physically Plausible Video Generation with Orthogonal-View Geometry Guidance
par: Wang, Cong, et autres
Publié: (2026) -
GaussianSR: 3D Gaussian Super-Resolution with 2D Diffusion Priors
par: Yu, Xiqian, et autres
Publié: (2024) -
Compositional 3D-aware Video Generation with LLM Director
par: Zhu, Hanxin, et autres
Publié: (2024) -
CMC: Few-shot Novel View Synthesis via Cross-view Multiplane Consistency
par: Zhu, Hanxin, et autres
Publié: (2024)