LEGO：无需 lifting 的第一人称视角视频生成方法

LEGO 提出一种无需 lifting 的外中心到自我中心视频生成方法，用 LVSM 风格的 Transformer 直接渲染第一人称视角，跳过深度估计、点云和重投影。其概率映射按学习到的对应分布对候选源位置取平均，保留结构、牺牲纹理锐度，契合扩散模型恢复细节的能力，并输出逐区域置信度用于掩码和引导去噪。该方法持续优于现有显式流程，且无需重训练即可泛化到其他数据集。