SplatGuide

关键区别在这里：此前的方法最多只提取一种信号。有的用渲染像素做条件，有的注入学习到的特征，有的只传位姿。但没有一个方法同时利用渲染图像、可见性信息与重建token这三路信号。而这三路信号恰好互补：渲染图提供粗糙但确定的空间布局，可见性告诉模型哪些参考视角真正看得见目标区域，token则携带全局场景语义。SplatGuide的核心主张就是：把同一个3D高斯场景里的三路信号全部桥接给扩散模型，才能补上信息断裂。