SCoPE

给视频扩散模型装上三维坐标感，生成不漂移的新视角视频

SCoPE 是一个面向三维感知视频生成的开源研究项目，核心是提出「视线坐标位置编码」（Sightline-Coordinate Positional Encoding），用于改进基于 DiT 的视频扩散模型在三维空间中的一致性。传统视频扩散模型在生成新视角、相机运动或长时序内容时，容易出现物体漂移、几何错位和视角不一致等问题，SCoPE 通过把相机视线方向与空间坐标显式编码进位置嵌入，让模型在生成过程中更好地理解「从哪里看、看向哪里」，从而提升新视角合成与三维一致的世界模型效果。项目基于 Python 实现，涉及 3D、DiT、视频扩散、新视角合成与世界模型等方向，适合研究三维感知视频生成、可交互世界模拟的开发者参考与复现。当前星标约 208，属于早期研究型项目，代码与论文配套，主要用于学术探索而非开箱即用的产品。