GAE-GeometricAutoEncoder
把三维几何写进隐空间，让生成的世界前后一致
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-27 · 当前星标 ★ 535
核心亮点
- 将几何先验直接编码进隐空间，针对视频/世界生成中的三维一致性痛点，思路明确
- 技术栈完整覆盖深度估计（Depth-Anything-V3）、VAE 与视频生成，便于端到端复现
- 有 arXiv 论文支撑，方法可追溯，适合作为研究与二次开发基线
不足之处
- 早期项目，文档与使用示例可能不完整，上手需要一定研究背景
- 依赖深度估计与视频生成等多套模型，环境配置和算力门槛较高
适用场景
- 复现论文中的几何一致世界生成实验
- 为视频生成模型加入三维一致性约束的研究
- 三维重建与生成模型交叉方向的教学与原型验证
替代项目
WonderWorld、LucidDreamer、SV3D
下一篇：Unlimited-OCR
同类项目推荐
RGBT-Tiny
开源
双模态小目标检测基准，直接跑通基线对比
Repository for "Visible-Thermal Tiny Object Detection: A Benchmark Dataset and Basel···
CogAlg
开源
用分层模式发现思路做图像识别实验
This project is a Computer Vision implementation of general hierarchical pattern dis···
Conffusion
开源
给扩散模型生成结果加上统计置信区间，量化不确定性
Official Implementation for the "Conffusion: Confidence Intervals for Diffusion Mode···
Construction-Hazard-Detection
开源
YOLO+聚类自动圈出工地危险区，实时告警
Enhances construction site safety using YOLO for object detection, identifying hazar···
GiT
开源
一个Transformer搞定分类、检测、分割和生成，视觉任务不再分家。
[ECCV2024 Oral] Official Implementation of "GiT: Towards Generalist Vision Transform···
CV_Deployment_skill
开源
视觉模型部署工程模板，照着配就能跑起来
Computer vision deployment resources and engineering workflow configuration
gcd
开源
单目视频一键生成动态新视角，让相机自由飞
Generative Camera Dolly: Extreme Monocular Dynamic Novel View Synthesis (ECCV 2024 O···
viseron
开源
本地化智能监控，隐私安全，实时识别物体人脸车牌
Self-hosted, local only NVR and AI Computer Vision software. With features such as ···
awesome-yolo-object-detection
开源
一份清单，快速找到你想要的 YOLO 模型和数据集。
A collection of some awesome public YOLO object detection series projects and the re···