英伟达发布VideoPanda模型 支持文本或单视图生成360度视频
一种基于文本或单视图视频数据合成360视频的新方法
（映维网Nweon 2025年07月28日）高分辨率全景视频内容对于虚拟现实中的沉浸式体验至关重要，但收集起来并不容易，因为它需要专门的设备和复杂的摄像头设置。在一项研究中，英伟达团队介绍了VideoPanda，这是一种基于文本或单视图视频数据合成360视频的新方法。
VideoPanda利用多视图关注层来增强视频扩散模型，使其能够生成一致的多视图视频，并可以组合成沉浸式全景内容。VideoPanda采用纯文本和单视图视频两种条件联合训练，支持长视频的自回归生成。
为了克服多视点视频生成的计算负担，对训练过程中使用的持续时间和摄像头视图进行随机抽样，并表明模型能够在推理过程中出色地泛化到生成更多帧。对真实世界和合成视频数据集的广泛评估表明，与现有方法相比，VideoPanda在所有输入条件下生成的360度全景图更加逼真和连贯。
......（全文 2533 字，剩余 2205 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
