近日，來自KlingAI Research團隊的研究人員提出了一種名為MetaView的新型框架，旨在解決單目新視角合成中的大視角變化難題。傳統方法往往依賴顯式幾何先驗來強制空間一致性，但這會限制大視角變化下的泛化能力；而互動式生成方法則偏好隱式場景建模，雖靈活但缺乏精確相機控制和幾何一致性。MetaView巧妙地平衡了這兩者：它透過前饋幾何感知網路引入隱式幾何先驗來正則化結構，同時利用度量深度將生成錨定到公制尺度。這一設計使得MetaView即便在單張大視角變化影像輸入下，也能生成幾何一致且可控的新視角。
MetaView基於擴散模型，其核心創新在於將隱式幾何建模與最小且必要的顯式3D線索相結合。具體而言，該框架包含一個前饋幾何感知網路，該網路從輸入影像中推斷出隱式幾何先驗，這些先驗用於指導擴散過程，從而在不依賴顯式重建管線的情況下保持結構一致性。同時，透過引入度量深度資訊，MetaView能夠確保生成結果具有正確的尺度，這對於現實世界的應用至關重要。研究人員在論文中展示了大量實驗，證明MetaView在多個基準資料集上均超越了現有新視角合成方法，尤其在極端視角變化場景下展現出卓越的泛化能力。該工作已被ECCV 2026接收，程式碼已開源在GitHub上。
這一成果有望為虛擬現實、電影製作和3D內容生成等領域帶來突破，使得從單張圖片生成多視角沉浸式體驗變得更加高效和精確。MetaView的提出，標誌著單目新視角合成領域邁出了重要一步，為未來更智慧、更可控的視覺生成系統奠定了基礎。