CubeComposer：从视角视频生成自回归 4K 360° 全景视频
计算机视觉与模式识别
2026-03-05 v1 人工智能
摘要
从视角输入生成高质量 360° 全景视频是虚拟现实（VR）的一个关键应用，尤其重要的是高分辨率视频，以提供沉浸式体验。现有方法受制于 vanilla 扩散模型的计算限制，仅支持 ≤1K 分辨率的原生生成，并依赖次优的后期超分辨率提升分辨率。我们提出 CubeComposer，一个能够原生生成 4K 分辨率 360° 视频的自回归时空扩散模型。通过将视频分解为六个面的 cubemap 表示，CubeComposer 在计划良好的时空顺序下自回归合成内容，既降低了内存需求，又实现高分辨率输出。具体而言，为解决多维自回归中的挑战，我们提出了：（1）一种时空自回归策略，用于在立方体面和时间窗口之间协调 360° 视频的生成，以实现连贯合成；（2）一种立方体面上下文管理机制，配备稀疏上下文注意力设计以提高效率；（3）连续性感知技术，包括立方体感知的位置编码、填充和拼接，以消除边界接缝。广泛的基准数据集实验表明，CubeComposer 在原生分辨率和视觉质量方面优于最新方法，支持实际的 VR 应用场景。
引用
@article{arxiv.2603.04291,
title = {CubeComposer: Spatio-Temporal Autoregressive 4K 360{\deg} Video Generation from Perspective Video},
author = {Lingen Li and Guangzhi Wang and Xiaoyu Li and Zhaoyang Zhang and Qi Dou and Jinwei Gu and Tianfan Xue and Ying Shan},
journal= {arXiv preprint arXiv:2603.04291},
year = {2026}
}
备注
Accepted to CVPR 2026