论文页面 - 面向鲁棒多视图三维重建的几何感知表示去噪

来源：https://huggingface.co/papers/2605.26230

摘要

一个新颖的基于扩散的多视图三维重建框架，通过在三维重建器的特征空间中操作，从退化输入中同时恢复场景几何与高质量图像。

多视图三维重建（https://huggingface.co/papers?q=Multi-view%203D%20reconstruction）随着前馈三维重建模型的出现取得了显著进展。然而，这些模型通常在理想、无退化的成像条件下训练和评估，而真实世界观测往往包含与之显著不同的退化。因此，提高退化条件下多视图三维重建（https://huggingface.co/papers?q=multi-view%203D%20reconstruction）的鲁棒性仍然是一项重要挑战。我们提出几何感知表示去噪（GARD），一种新颖的框架，直接在前馈三维重建模型的特征空间（https://huggingface.co/papers?q=feature%20space）中执行基于扩散的多视图恢复。该设计利用三维重建器的几何感知特征表示，有效恢复精确的场景几何。此外，通过使用额外的RGB图像解码器（https://huggingface.co/papers?q=RGB%20image%20decoder），精炼的表示还可用于恢复高质量的RGB图像，从而同时恢复三维场景几何与高质量图像。在Depth Anything 3（DA3）基准上的综合实验证明了所提GARD框架的有效性。

查看arXiv页面（https://arxiv.org/abs/2605.26230）查看PDF（https://arxiv.org/pdf/2605.26230）项目页面（https://cvlab-kaist.github.io/GARD/）GitHub10（https://github.com/cvlab-kaist/GARD）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.26230）

在您的agent中获取此论文：

hf papers read 2605.26230

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

引用该论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.26230即可从本页面链接。

引用该论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.26230即可从本页面链接。

引用该论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2605.26230即可从本页面链接。

包含该论文的收藏集0

没有收藏集包含此论文

将该论文添加到收藏集（https://huggingface.co/new-collection）即可从本页面链接。