本研究提出了一种双流架构和异步采样策略，以解决文本生成3D场景中的不稳定性问题，提升多视图生成的一致性和准确性。

本研究提出了xPatch模型，旨在解决变换器模型在时序预测中未能充分利用时间关系的问题。xPatch采用双流架构，结合季节-趋势分解模块、MLP线性流和CNN非线性流，显著提升了预测性能并有效防止过拟合。

我们提出了一种新的双流架构，名为Cross-Attention in Space and Time (CAST)，使用RGB输入实现对视频的平衡的时空理解。通过瓶颈交叉注意机制，空间和时间专家模型能够交换信息并进行协同预测，提高性能。实验证明了该方法在多个公共基准数据集上的优越性能。