标题：一张图生成高质量广视野3D场景，还可控制摄像轨迹

Wonderland团队投稿，量子位 | 公众号 QbitAI

只需一张图，就能生成高质量、广范围的3D场景！泰迪熊、花园、山谷从平面图片变成触手可及的立体物品。

多伦多大学、Snap和UCLA的研究团队推出全新模型——Wonderland，首次证明三维重建模型可有效建立在扩散模型的潜在空间上，实现高效的三维场景生成。团队引入大规模重建模型，使用视频扩散模型中的潜在信息，以前馈方式预测场景的3D表示（3DGS）。

Wonderland通过向视频扩散模型嵌入3D意识，结合大规模3D重建模型（LaLRM），实现了高效高质量的大规模3D场景生成。该模型在视频生成和3D场景重建方面表现卓越，能生成包含多视角信息的高质量视频和广阔的3D场景。

Wonderland在多个数据集上超越现有方法，包括视频生成的视角控制、视觉质量、3D重建的几何一致性和渲染的图像质量。在单张图像输入下，仅需约5分钟即可生成完整的3D场景，效率显著提高。

Wonderland在建筑设计、虚拟现实、影视特效及游戏开发等领域展现出广泛应用潜力。尽管已取得显著成果，团队仍致力于优化动态场景适配能力和真实场景细节还原度，推动技术进步。