Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
面向上下文全景生成的几何感知预训练框架
🧭 全景图像生成 · 几何感知预训练
Insta360 Research · Tsinghua University · Beihang University · Wuhan University
通过几何感知预训练和 token 级任务统一，提升全景图像生成的几何一致性与任务覆盖度
📌 工作参考价值（4 点）
- 全景生成与电商/Agent 直接关联弱，但几何一致性设计可迁移到需保持结构约束的生成任务（如商品多视角合成、虚拟试穿），用深度预估辅助纹理生成。
- 统一任务框架思路值得借鉴：通过 token 级条件拼接，将风格迁移、修复、外扩等多个任务融入单一模型，降低工程维护成本。
- 针对领域特性设计辅助损失（如这里的相似度正则与圆形填充）可推广到其他对称性或循环结构生成问题（如系列 Banner 设计）。
- 主要仍是学术贡献，业务可借鉴点较有限。