GenXD是新加坡国立大学和微软公司共同推出的3D-4D联合生成框架，能从任意数量的条件图像中生成高质量的3D和4D场景。框架用一个数据整理流程从视频中提取相机姿态和物体运动强度，基于这些信息及大规模4D数据集CamVid-30K训练模型。GenXD基于多视角时序模块解耦相机和物体的运动，用掩码潜在条件支持多种视角的条件生成，实现在单一模型中处理多种3D和4D生成任务。
GenXD的主要功能3D和4D场景生成：GenXD能从单视图或多视图中生成高质量的3D和4D场景，包括动态和静态内容。相机姿态估计：基于结构从运动（SfM）技术，GenXD估计视频中的相机姿态，为生成与相机轨迹一致的视频提供基础。物体运动估计：基于深度估计和关键点跟踪，GenXD识别和模拟视频中物体的运动。多视角时序模块：框架内部的模块处理多视角和时间信息，解耦相机运动和物体运动，生成更加真实的动态场景。掩码潜在条件：GenXD支持用掩码潜在条件进行条件生成，支持模型在不改变网络结构的情况下接受任意数量的输入视图。GenXD的技术原理数据整理流程：GenXD基于一个数据整理流程从视频中提取相机姿态和物体运动信息，为后续的模型训练提供必要的数据。多视角时序模块：GenXD内部的多视角时序模块能够处理多视角和时间信息，用α融合策略在3D和4D数据中进行无缝学习。掩码潜在条件扩散模型：GenXD用掩码潜在条件扩散模型（LDM）生成不同相机视角和时间步长的图像，支持单视图和多视图生成。解耦相机和物体运动：基于多视角时序模块，GenXD分离相机运动和物体运动，对生成动态场景至关重要。3D和4D数据融合：GenXD在训练过程中结合3D和4D数据，让模型同时学习空间和时间信息，提高生成质量。3D表示优化：GenXD生成的图像直接用于优化3D表示，如3D高斯点云（3D-GS）和Zip-NeRF，实现高质量的3D场景重建。GenXD的项目地址项目官网：gen-x-d.github.ioGitHub仓库：https://github.com/HeliosZhao/GenXDarXiv技术论文：https://arxiv.org/pdf/2411.02319GenXD的应用场景视频游戏开发：GenXD用于生成游戏中的3D和4D环境，提供更加真实和动态的游戏世界。电影和视觉效果：在电影制作中，GenXD创建复杂的3D场景和特效，减少实际拍摄和后期制作的成本。虚拟现实（VR）和增强现实（AR）：GenXD生成沉浸式的3D和4D内容，提升VR和AR应用的用户体验。建筑和城市规划：基于GenXD生成的3D模型，建筑师和城市规划者更直观地展示设计概念和规划方案。教育和培训：GenXD创建模拟环境，用在教育和专业培训，如模拟手术、历史重现等。 
