**StereoBind：实现沉浸式视听生成的动态空间对应框架**

_Here the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation_

> HuggingFace 社区热门论文提出 StereoBind 框架，旨在解决 AR/VR 等场景中立体声与视觉源运动的空间一致性问题。该框架通过视觉运动绑定、空间轨迹编码及残差轨迹 RoPE 机制，将视觉源运动与立体声生成紧密关联。研究团队构建了 StereoWorld-29K 数据集及 StereoWorldBench 基准，实验表明 StereoBind 在保持整体视听质量的同时，显著提升了立体声生成的空间对齐精度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.38748)