HoloTime: Het temmen van videodiffusiemodellen voor panoramische 4D-scènegeneratie

HoloTime: Taming Video Diffusion Models for Panoramic 4D Scene Generation

April 30, 2025

Auteurs: Haiyang Zhou, Wangbo Yu, Jiawen Guan, Xinhua Cheng, Yonghong Tian, Li Yuan

cs.AI

Samenvatting

De snelle vooruitgang van diffusiemodellen belooft een revolutie teweeg te brengen in de toepassing van VR- en AR-technologieën, die doorgaans scene-level 4D-assets vereisen voor de gebruikerservaring. Desalniettemin richten bestaande diffusiemodellen zich voornamelijk op het modelleren van statische 3D-scènes of object-level dynamiek, wat hun vermogen beperkt om echt meeslepende ervaringen te bieden. Om dit probleem aan te pakken, stellen we HoloTime voor, een framework dat videodiffusiemodellen integreert om panoramische video's te genereren vanuit een enkele prompt of referentiebeeld, samen met een 360-graden 4D-scène reconstructiemethode die de gegenereerde panoramische video naadloos omzet in 4D-assets, waardoor een volledig meeslepende 4D-ervaring voor gebruikers mogelijk wordt. Specifiek introduceren we, om videodiffusiemodellen te temmen voor het genereren van hoogwaardige panoramische video's, de 360World-dataset, de eerste uitgebreide verzameling van panoramische video's die geschikt zijn voor downstream 4D-scène reconstructietaken. Met deze gecureerde dataset stellen we Panoramic Animator voor, een tweestaps image-to-video diffusiemodel dat panoramische afbeeldingen kan omzetten in hoogwaardige panoramische video's. Vervolgens presenteren we Panoramic Space-Time Reconstruction, dat gebruikmaakt van een ruimte-tijd diepte-estimatiemethode om de gegenereerde panoramische video's om te zetten in 4D-puntenwolken, waardoor de optimalisatie van een holistische 4D Gaussian Splatting-representatie mogelijk wordt om ruimtelijk en temporeel consistente 4D-scènes te reconstrueren. Om de effectiviteit van onze methode te valideren, hebben we een vergelijkende analyse uitgevoerd met bestaande benaderingen, wat de superioriteit aantoont in zowel panoramische videogeneratie als 4D-scène reconstructie. Dit toont het vermogen van onze methode aan om boeiendere en realistischer meeslepende omgevingen te creëren, waardoor de gebruikerservaring in VR- en AR-toepassingen wordt verbeterd.

English

The rapid advancement of diffusion models holds the promise of revolutionizing the application of VR and AR technologies, which typically require scene-level 4D assets for user experience. Nonetheless, existing diffusion models predominantly concentrate on modeling static 3D scenes or object-level dynamics, constraining their capacity to provide truly immersive experiences. To address this issue, we propose HoloTime, a framework that integrates video diffusion models to generate panoramic videos from a single prompt or reference image, along with a 360-degree 4D scene reconstruction method that seamlessly transforms the generated panoramic video into 4D assets, enabling a fully immersive 4D experience for users. Specifically, to tame video diffusion models for generating high-fidelity panoramic videos, we introduce the 360World dataset, the first comprehensive collection of panoramic videos suitable for downstream 4D scene reconstruction tasks. With this curated dataset, we propose Panoramic Animator, a two-stage image-to-video diffusion model that can convert panoramic images into high-quality panoramic videos. Following this, we present Panoramic Space-Time Reconstruction, which leverages a space-time depth estimation method to transform the generated panoramic videos into 4D point clouds, enabling the optimization of a holistic 4D Gaussian Splatting representation to reconstruct spatially and temporally consistent 4D scenes. To validate the efficacy of our method, we conducted a comparative analysis with existing approaches, revealing its superiority in both panoramic video generation and 4D scene reconstruction. This demonstrates our method's capability to create more engaging and realistic immersive environments, thereby enhancing user experiences in VR and AR applications.