WildFusion：在视图空间中学习三维感知潜扩散模型

基于摘要分析。WildFusion 面向野外图像数据的三维感知图像合成，针对共享规范坐标系难以定义的问题，改为在视图空间中建模，并结合三维感知自编码器与 latent diffusion models（LDMs），生成支持视角变化的图像。 方法分为两个阶段：首先训练自编码器，将图像压缩为同时承载外观与底层三维结构的潜表示，使其既能重建输入，也能合成新视角；这一阶段利用单目深度预测提供的线索学习三维表示。随后在该潜空间中训练扩散模型。作者强调，该方法不依赖共享的规范相机坐标，不需要带相机位姿标注的图像或学习位姿、相机分布，也不使用多视角图像或三维几何的直接监督。这不等于完全没有几何先验，因为单目深度预测仍提供了结构线索。 作者报告，在所讨论的视图空间建模设定下，现有 GAN 方法容易产生扁平几何，且难以充分覆盖数据分布；WildFusion 则能够生成高质量、三维一致的样本，并优于近期 GAN 方法。摘要未给出数据集、划分、具体对照、指标及数值，因此尚不能核对优势幅度和适用范围；实验协议、消融及统计信息尚未验证。 复现时需核对单目深度预测的来源与使用方式、自编码器如何表达和约束三维结构、新视角合成的实现，以及生成质量、几何一致性和分布覆盖的评估条件。该研究的主要对象是视觉三维生成，当前材料未提供其与 EEG 或 BCI 的具体机制对应，不能据此推断神经信号任务上的有效性。