全景视频是虚拟现实的重要组成部分，提升用户体验。尽管制作需要专业设备，但生成式视频模型的进展降低了创作门槛。北京大学推出的PanoWan框架，通过纬度感知采样等技术，解决了全景视频生成中的畸变问题，并构建了包含1.3万视频的PanoVid数据集，提升了生成效果和编辑能力。

北京大学施柏鑫团队与OpenBayes合作推出PanoWan框架，通过文本引导生成全景视频，解决了生成过程中的畸变和不连贯问题，采用纬度感知采样和边界填充技术。同时，团队构建了包含1.3万个视频片段的PanoVid数据集，推动VR内容创作的发展。

本研究提出VideoPanda方法，解决虚拟现实中高分辨率全景视频生成的挑战。该方法通过多视角注意力层增强视频扩散模型，实现基于文本或单视角视频生成一致的多视角视频，生成的360°全景图像更真实连贯。

本文介绍了一种新方法，通过单张卫星图像合成具有时间和几何一致性的全景视频，利用3D点云和级联网络生成高质量视频。提出了PanoDiff方法和全景视频数据集PanoVOS，解决了全景视频中的像素级内容不连续问题。此外，研究还提出了360DVD模型和MultiDiff方法，提升了全景视频生成的效果和一致性，具有广泛应用潜力。

本文介绍了一种新方法，通过单张卫星图像合成具有时间和几何一致性的全景视频，利用3D点云和级联网络生成逼真视频。该方法在多个实验中表现优异，成功缩小了街景图像与卫星图像之间的差距，提升了图像的真实感和一致性。

本文介绍了一种新方法，利用单张卫星图像和相机轨迹合成具有时间和几何一致性的全景视频。该方法使用3D点云表示场景，并通过生成的稠密三维到二维相对应关系实现几何和时间上的一致性。同时使用级联网络和两个Hourglass模块生成粗特征和细特征，最终生成逼真的视频。该方法在实验中表现出优异的结果，超越了其他合成方法，并且是首个成功将跨视角图像合成为视频的方法。