**RayDer：从真实世界视频实现可扩展的自监督新视角合成**

_RayDer: Scalable Self-Supervised Novel View Synthesis from Real-World Video_

> 本文提出RayDer，一个统一的前馈Transformer模型，将相机估计、场景重建和渲染整合到单一骨干网络中，解决了自监督新视角合成（NVS）在可扩展性上的挑战。该模型通过引入最小动态状态来吸收视频中的时变内容，使其能在无约束的真实视频上稳定训练。RayDer专注于静态场景合成，将动态内容仅用作可扩展的监督信号。实验表明，该模型在不同模型规模和数据量级下展现出清晰的幂律缩放行为，并在多个基准测试中实现了强大的零样本开集性能，可与最先进的监督方法相媲美。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.31535)