标签：video

**3D / 时空 VAE（Variational Autoencoder）**，可以理解成：

**标题**：Generation Models Know Space: Unleashing Implicit 3D Priors for Scene Understanding

这份笔记从 **CALM（Continuous Autoregressive Language Models）** 出发，先看目前能检索到的引用论文，再按研究方向梳理它之后的一些相关工作。