SEG：利用自扩展几何状态进行连续新视角合成

基于摘要分析。SEG 研究连续新视角合成（successive NVS）：在目标视角查询逐步到达、且查询顺序不固定的条件下，持续生成新视角图像。其核心贡献是将依赖上下文的几何潜变量转化为可自扩展的几何状态，使状态扩展保持一致性，并满足连续查询下的因果性。 原问题在于，已有方法通常联合生成预先指定的多个目标视角，或借助视频生成模型进行连续合成，难以直接满足增量、无序的视角查询需求。SEG 根据一致性分析，从几何编码器的早期层级构建状态，并设计 causal-prefix ground-truth state（因果前缀真实状态）作为监督；随后将这些潜变量与 KV reference memory（KV 参考记忆）结合，形成服务于连续查询的最终 SEG 状态。 生成流程包含用于状态合成与扩展的因果几何扩散模型，以及将生成潜变量映射为多层级特征的 geometric adapter（几何适配器），后者用于 RGB 图像读出。其方法重点是显式维护并扩展几何状态，而非仅生成固定目标视角集合。具体状态表示、监督构造、损失函数、记忆更新方式及推理成本尚未验证。 作者报告，在 RealEstate10K 和 DL3DV 上开展的实验显示，SEG 具有较强的视角合成质量、视点准确性和计算效率；摘要未提供具体指标数值、数据划分、对照基线或查询协议，不能据此量化优势。实验协议、消融及统计信息尚未验证，复现还需核对状态扩展的一致性评估、查询顺序变化下的表现，以及 KV 记忆随查询增长的资源开销。 该研究的主要对象是多视角图像生成，而非 EEG 或 BCI。摘要没有提供神经信号任务中的验证，也不足以建立具体的 BCI 迁移路径；已有 EEG 相关工作尚未检索确认。