MetaView：結合尺度感知與隱式幾何先驗，實現單視角的高精度新視點合成技術

MetaView 透過結合前饋網路的隱式幾何先驗與度量深度資訊，在擴散模型框架下克服了大幅度視角變換時的幾何不一致與控制精準度難題，顯著提升單圖生成 3D 場景的品質。

Problem

現有的視覺生成模型在進行新視點合成時，難以兼顧空間結構的連貫性與大幅度視角變換的泛化能力。傳統方法若引入明確的幾何先驗，雖能維持空間一致性卻限制了處理大幅度變化的彈性；而互動式生成方法雖具靈活性，卻往往缺乏精確的攝影機控制與幾何穩定性。

本研究提出名為 MetaView 的擴散框架。其核心創新在於將隱式幾何建模與必要的 3D 提示相結合：利用前饋幾何感知網路提供的「隱式幾何先驗」來規範影像結構，避免了繁瑣的重建流程；同時引入「度量深度」資訊將生成內容錨定在真實尺度，確保合成視點的物理一致性與精確控制。

實驗結果顯示，在極具挑戰性的單視角大範圍視點變換情境下，MetaView 的表現顯著優於現有技術。該模型不僅在定量指標上取得領先，更展現出強大的泛化能力，能針對不同類型的場景產出具備高度幾何一致性的高品質影像。

此研究為單視角 3D 內容生成開拓了新路徑，成功平衡了生成模型的「靈活性」與幾何重建的「精確性」。這對於需要從單張照片快速生成穩定 3D 視覺內容的場景，如虛擬實境、遊戲開發與影視創作，具有重大的應用價值。