上海觅蜂具身智能科技有限公司

本申请实施例提供了基于三维场景的视频生成方法及装置、设备、介质、产品，所述方法包括：接收输入全景图；确定与输入全景图对应的场景几何信息以及目标相机位姿序列；针对各目标相机位姿，基于场景几何信息，将输入全景图中的像素重投影至相应目标相机位姿对应的图像空间，得到与目标相机位姿对应的重投影条件信息；基于各目标相机位姿对应的重投影条件信息，通过视频生成模型生成分别与各目标相机位姿对应的多个视频帧，并按照各目标相机位姿在目标相机位姿序列中的顺序，对多个视频帧进行排列，得到场景视频。本申请实施例能够兼顾场景视频的相机运动可控性、场景结构一致性以及图像内容完整性。