从单张图像生成具有灵活视角的三维场景，包括360°旋转和缩放，面临挑战，主要原因是缺乏三维数据。为此，作者引入了FlexWorld，这是一个新颖的框架，包含两个核心组件：(1) 强大的视频到视频(V2V)扩散模型，可以从粗糙场景中的不完