基于遮蔽自回归模型的条件全景图像生成
计算机视觉与模式识别
2025-11-18 v2
摘要
近期全景图像生成的进展凸显了两种关键局限性：其一，大多数方法基于扩散模型，由于球面映射导致的独立同分布(i.i.d.)高斯噪声假设被迫破坏，因而不适用于等距投影(ERP)全景；其二，这些方法常将文本条件生成(文本到全景)和图像条件生成(全景扩图)视为独立任务，依赖不同架构和任务特定数据。本文提出一种统一框架——全景自回归模型(PAR)，利用遮蔽自回归建模解决上述挑战。PAR规避了i.i.d.假设的约束，将文本和图像条件集成到单一架构中，实现跨任务的无缝生成。为解决现有生成模型中固有的连续性问题，我们引入循环填充以增强空间连贯性，并提出一致性对齐策略以提升生成质量。广泛的实验表明，PAR在文本到图像生成和全景扩图任务上实现了具竞争力的性能，同时展现了良好的可扩展性和泛化能力。
引用
@article{arxiv.2505.16862,
title = {Conditional Panoramic Image Generation via Masked Autoregressive Modeling},
author = {Chaoyang Wang and Xiangtai Li and Lu Qi and Xiaofan Lin and Jinbin Bai and Qianyu Zhou and Yunhai Tong},
journal= {arXiv preprint arXiv:2505.16862},
year = {2025}
}
备注
NeurIPS 2025