주요 특징

• 고정된 Depth Anything 3 인코더·DPT 헤드 사이의 잠재 상태를 학습해 하나의 잠재에서 RGB와 깊이·레이·포인트맵을 동시에 디코딩하는 2단계(코덱 + 플로우 모델) 구조
• 이미지 한 장과 프롬프트로 최대 81시점 카메라 제어 영상과 .ply 3D 포인트 클라우드를 생성하는 I2V 데모, 같은 샘플러로 텍스트→이미지(깊이·포인트 클라우드 동반) 생성 지원
• 마우스·WASD로 카메라를 움직여 키프레임을 찍고 궤적을 미리 본 뒤 생성하는 Camera Studio 웹 UI (Qwen2.5-VL-7B로 장면 설명 자동 작성)
• 입력 영상을 코덱으로 인코딩해 RGB·깊이 영상과 포인트 클라우드(PLY/GLB)로 복원하는 VAE 재구성 데모
• Hugging Face의 TencentARC/GAE-D64-1B 가중치 자동 다운로드, Ulysses 시퀀스 병렬 기반 8-GPU 배치 추론과 학습·평가(FVD/FID/MEt3R) 스크립트 제공