Orbia：回到原处，世界是否还是原来的世界

如何把输入保真、生成内容的持久性与三维自一致性分开测量？

1. 1

   1 · 构造有对应物的空间回访

   图1从真实/合成源视频选择有几何关联的参考位姿，再以VLM提出地标、SAM3分割跟踪和深度投影检查身份。六种轨迹含前进返回、侧移、旋转、弧线、环绕和探头返回，人工复核构成480个22.25秒短案例与240个60秒长案例，共859个锚点。输出统一1280×720、16fps。

2. 2

   2 · 将三种一致性分开

   输入保真只在原图可见区域及参考对应物上检查；生成持久性用第一次生成的新区域作自身参考，短序列一次、长序列三次回访；三维自一致性再比较深度、特征、局部尺度与几何重投影。生成物与自身一致并不意味着它符合真实世界。

3. 3

   3 · 显式记录几何估计器

   DA3 Giant 1.1以504分辨率估计视频几何。短序列联合处理，长序列使用120帧块、30帧重叠及回环模块；另以高斯重建的64个上下文视图和16个留出视图评价。真实源数据也部分依赖估计几何，所以这不是完全独立的三维真值。

4. 4

   4 · 同时查看绝对质量与衰减

   总分包含控制、视觉质量、三类一致性和时间稳定性，各占25/25/10/10/10/20。时间部分比较5秒窗口，结合水平与相对衰减，长视频占较高权重。必须同时保留绝对分数，否则始终很差但稳定的模型可能显得耐久。

已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。

官方仓库有评测与构建实现，LICENSE为Apache-2.0。数据元数据标CC BY-NC-SA 4.0，并要求遵循SpatialVID、Sekai、MiraData、ScanNet++原始条款；数据README直接访问返回401，本次未下载验证全库，不把代码许可扩展到所有数据。

LICENSE作者版权；arXiv非独占托管许可