PixWorld

PixWorld 是一个统一3D场景生成与重建的端到端像素空间扩散模型。它通过可微分渲染直接监督像素对齐的3D高斯场，摒弃VAE/RAE等中间表示；采用双流扩散Transformer架构，单次前向即可处理多视角输入，支持无噪（重建）与加噪（生成，可文本引导）两种模式，并引入基于冻结3D基础模型（π³/VGGT）的几何感知损失以增强结构一致性。模型经蒸馏后仅需4步采样，推理速度达约0.6秒/场景，适合需高效、像素级保真度的3D内容创作、NeRF替代方案及多视角三维重建任务。