论文页面 - AnyRecon：基于视频扩散模型的任意视角三维重建

来源：https://huggingface.co/papers/2604.19747

摘要

AnyRecon 利用扩散模型，从任意稀疏输入实现可扩展的三维重建，通过持久场景记忆与几何感知条件，提升几何一致性。

稀疏视角三维重建（https://huggingface.co/papers?q=Sparse-view%203D%20reconstruction）对日常拍摄建模至关重要，但对非生成式重建（https://huggingface.co/papers?q=generative%20reconstruction）仍具挑战。现有扩散方法通过合成新视角缓解此问题，但通常仅条件于一两帧，限制几何一致性，难以扩展至大场景或多样场景。我们提出 AnyRecon，一个可从任意无序稀疏输入重建的可扩展框架，保留显式几何控制，同时支持灵活的条件帧数量。为支持长程条件，方法构建持久全局场景记忆（https://huggingface.co/papers?q=global%20scene%20memory），通过前置拍摄视角缓存（https://huggingface.co/papers?q=capture%20view%20cache）实现，并移除时序压缩（https://huggingface.co/papers?q=temporal%20compression），在大视角变化下保持帧级对应。除更好的生成模型外，我们发现生成与重建的协同对大场景至关重要。因此，引入几何感知条件（https://huggingface.co/papers?q=geometry-aware%20conditioning）策略，通过显式三维几何记忆（https://huggingface.co/papers?q=3D%20geometric%20memory）与几何驱动的拍摄视角检索，耦合生成与重建。为确保效率，结合 4 步扩散蒸馏（https://huggingface.co/papers?q=diffusion%20distillation）与上下文窗口稀疏注意力（https://huggingface.co/papers?q=context-window%20sparse%20attention），降低二次复杂度。大量实验表明，在不规则输入、大视角间隔及长轨迹下，重建稳健且可扩展。

查看 arXiv 页面（https://arxiv.org/abs/2604.19747）
查看 PDF（https://arxiv.org/pdf/2604.19747）
添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.19747）

在本地代理中获取该论文：

hf papers read 2604.19747

尚未安装最新 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 1

Yutian10/AnyRecon 约 3 小时前更新（https://huggingface.co/Yutian10/AnyRecon）

引用该论文的数据集 0

暂无数据集链接该论文

在数据集 README.md 中引用 arxiv.org/abs/2604.19747，即可在此页面显示。

引用该论文的 Spaces 0

暂无 Spaces 链接该论文

在 Space README.md 中引用 arxiv.org/abs/2604.19747，即可在此页面显示。

包含该论文的合集 0

暂无合集包含该论文

将该论文添加到合集（https://huggingface.co/new-collection），即可在此页面显示。