LEGO：无需 lifting 的第三人称到第一人称视频生成方法

LEGO 提出一种无需 lifting 的第三人称到第一人称视频生成方法，用 LVSM 风格 Transformer 直接渲染第一人称视角，省去深度估计、点云与重投影步骤。该合成器输出概率性映射，保留结构、牺牲纹理锐度，更契合扩散模型去噪恢复细节的特性，并利用分布集中度生成逐区域置信度，用于掩蔽低置信区域并引导生成器。方法持续优于现有显式流水线，且无需重训练即可泛化到其他数据集。