LEGO：无需 lifting 的第三人称到第一人称视频生成方法

LEGO 提出一种无需 lifting 的第三人称到第一人称视频生成方法，用 LVSM 风格的 Transformer 直接渲染第一人称视角，省去深度估计、点云和重投影步骤。该合成器输出逐区域置信度，用于遮蔽低置信区域并在去噪早期引导生成器布局，性能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。