WorldRoPE：面向多视图注意力的概率世界中心位置编码

Mijeong Kim、Kyujin Lim 和 Bohyung Han（据 arXiv 摘要）提出 WorldRoPE，一种面向多视图 Transformer 跨视图注意力的概率性世界中心旋转位置编码。方法在每层将图像块 token 反投影到共享世界坐标系中的体积高斯基元，以表示多个可能的深度、空间不确定性和有限视锥范围，并在该分布上闭式积分旋转算子，无需栅格化或扭曲 token 特征。 作者称，在新视角合成、深度估计和 3D 几何重建任务上的实验表明该方法对多视图 Transformer 有效（基于论文摘要，未能核验全文）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。