跳转到内容

3D/4D 一致性

consistency_3d_4d 维度评估生成 rollout 是否具备可被稳定三维/四维结构解释的时空几何一致性。该维度将正式指标分数汇总写入 per_dimension_summary.json,是 WorldAtlas 的顶层评测轴之一。

这与 perceptual quality、指令跟随或物理动态评分不同。一条 prediction 可以看起来清晰、也执行了所要求的 prompt,却仍然出现背景扭曲、深度层次崩溃,或无法闭合为连续视点。因此 3D/4D consistency 衡量的是几何自洽性——相机运动、深度结构、跨帧对应与短时运动场能否被同一几何假设同时解释。

该维度覆盖四类几何读数。多视角表征由 met3r_consistency 承担,用于在无需位姿真值的情况下判断 protocol anchor views 是否描述同一场景;重建对 geometric_consistency 与 photometric_consistency 则检查预测能否被恢复为深度–位姿点云并跨视角重投影。经典极线几何由 epipolar_error、epipolar_inlier_rate 和 feature_match_coverage 读出,用于判断相邻帧是否满足稳定的 fundamental-matrix / Sampson 解释。相机与深度结构包括稠密 SLAM 共视点重投影的 reprojection_error。运动场一致性由 optical_flow_aepe 通过正反向光流往返读出。

WorldAtlas 在该维度全程采用严格资格规则。当前公开表面上,met3r_consistency、reprojection_error、optical_flow_aepe、geometric_consistency 与 photometric_consistency 在计算成功时为 official;极线三元组同样为 official。旧别名指向各自文档中的实现;参与组合的列由 suite 配置和聚合权重决定。重建失败、媒体不可读或配对条件未满足时返回 normalized = null,而不是强迫记零;空的 MEt3R overlap mask 则记为明确的最差 official 分。应将 3D/4D consistency 与 action control、physics、quality 一起阅读:统一的几何解释并不意味着模型服从了控制信号,也不意味着物体运动符合物理直觉。