论文页面 - T3lescope：从图像进行任意分辨率的高保真生成式表面重建

来源：https://huggingface.co/papers/2610.03308

摘要

我们从带有相机位姿的多视角图像中重建高保真3D场景网格，无需针对每个场景进行优化，适用尺度涵盖单个物体到大型户外场景。针对每个场景进行优化的方法缺乏在观测稀疏或表面具有光泽或透明时所需的、通过学习获得的3D先验。现有生成式方法利用此类先验来补全观测稀疏区域的几何结构，但通常以固定分辨率在有限的空间范围内运行，在空间覆盖范围与细节之间进行权衡。因此，重建大型场景往往需要将其划分为独立处理且相互重叠的局部区域，这使得维持全局几何一致性变得困难。为解决这些问题，我们提出了T3lescope，它在推理时通过由粗到细的级联结构，将单个固定分辨率生成器应用于不同尺度的场景。粗层级确定场景布局，更细的层级则在逐步细化的空间单元内，对继承自较粗层级的几何结构进行扰动和去噪，以恢复表面细节。模型在多个尺度的独立单元上训练，并在所有层级之间共享权重，因此训练期间不固定任何层级结构，层级数量、单元尺度和单元位置均在推理时确定。在室内、户外和城市尺度的场景中，T3lescope优于前馈和生成式基线方法，达到或超过针对每个场景进行优化的方法，并能恢复精细结构以及光泽和透明表面。这些结果表明，我们的方法能够泛化到不同场景、视图数量和图像分辨率。项目页面：https://pfnet-research.github.io/t3lescope/

查看arXiv页面 (https://arxiv.org/abs/2610.03308)查看PDF (https://arxiv.org/pdf/2610.03308)项目页面 (https://pfnet-research.github.io/t3lescope/)GitHub2 (https://github.com/pfnet-research/t3lescope)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.03308)

在你的智能体中获取这篇论文：

hf papers read 2610\.03308

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型关联这篇论文

在模型的README.md中引用arxiv.org/abs/2610.03308，即可从此页面链接到该模型。

引用这篇论文的数据集0

没有数据集关联这篇论文

在数据集的README.md中引用arxiv.org/abs/2610.03308，即可从此页面链接到该数据集。

引用这篇论文的Spaces0

没有Space关联这篇论文

在Space的README.md中引用arxiv.org/abs/2610.03308，即可从此页面链接到该Space。

包含这篇论文的合集0

没有合集包含这篇论文

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。