NavCrafter：从单张图像探索 3D 场景

从单张图像创建灵活的 3D 场景在 direct 3D 数据获取成本高昂或不实际时至关重要。我们提出了 NavCrafter，一种新框架，通过合成具有 camera controllability 和 temporal-spatial consistency 的 novel-view video sequences 来探索单张图像中的 3D 场景。NavCrafter 利用 video diffusion models 捕获丰富的 3D 先验，采用 geometry-aware expansion 策略逐步扩展 scene coverage。为实现可控的 multi-view synthesis，我们引入了 multi-stage camera control mechanism，通过 dual-branch camera injection and attention modulation 来条件化 diffusion models with diverse trajectories。我们进一步提出了 collision-aware camera trajectory planner 和增强的 3D 高斯雕刻 (3DGS) pipeline，包括 depth-aligned supervision、structural regularization 和 refinement。广泛的实验表明，NavCrafter 在大尺度视角位移下实现了 state-of-the-art 的 novel-view synthesis，显著提高了 3D 重建保真度。