LEGO：一种无需三维提升的第三人称到第一人称视频生成方法

基于摘要分析。LEGO 研究如何从单段第三人称视频生成第一人称视频，针对两种视角重叠有限、目标视野大量不可见的问题，以学习式视图合成器替代显式三维重建，为视频扩散模型提供结构对齐的条件。 核心机制：摘要描述的显式基线先估计深度，将视频提升为点云，再从第一人称相机视角重渲染；这种确定性像素映射能够保留纹理，但深度误差可能转化为内容位置偏差。LEGO 微调 LVSM-style transformer，直接生成目标视图，不依赖深度、点云或重投影，而是在模型内部学习跨视角对应。其概率映射依据学习到的对应分布，对候选源位置进行区域平均；作者认为，这虽会弱化细纹理，却有利于保留结构，而扩散模型可通过去噪补充细节。 置信度与生成：方法利用对应分布的集中程度构造区域置信度，既遮蔽低置信度区域，也在早期形成布局的去噪步骤中引导生成器关注高置信度区域。值得核对置信度定义、遮蔽方式及其进入扩散过程的具体实现，这些细节在摘要中尚未明确。 结果与边界：作者报告，该方法持续优于先进的显式重建流程，并可在不重新训练的情况下泛化到其他数据集；摘要未提供数据集名称、划分、指标、数值或具体基线，不能据此量化优势。实验协议、消融及统计信息尚未验证，训练规模、监督形式、推理成本和复现条件也需全文确认。 平台推测（待验证）：结构条件与细节生成分工可作为生成模型条件设计的参考，但其机制依赖视频空间结构和跨视角对应，不能直接视为 EEG/BCI 方法。摘要没有提供神经信号输入或相关验证，迁移价值尚待评估；已有 EEG 相关工作尚未检索确认。