本研究提出了一种新方法来解决单幅图像生成多视图时的像素级失配问题，通过在潜视频扩散模型的VAE解码器中引入跨视图的注意力层，提高多视图图像的像素对齐效果。实验结果表明，该方法有效改进了下游多视图到3D重建任务的表现。