论文页面 - GenRecon：融合生成式先验的多视角3D场景重建

来源：https://huggingface.co/papers/2605.23888

摘要

一种新颖的3D场景重建方法，将生成式3D先验与多视角图像条件结合，为室内环境生成高保真、可编辑的网格重建结果。

我们提出了一种从多视角RGB图像进行高保真3D场景重建（https://huggingface.co/papers?q=3D%20scene%20reconstruction）的新方法，该方法将重建过程与强大的生成式3D先验（https://huggingface.co/papers?q=generative%203D%20prior）紧密结合。我们将场景重建视为在一组空间局部化、相互重叠的块（这些块共同覆盖整个场景）上的条件式3D生成（https://huggingface.co/papers?q=conditional%203D%20generation），从而将生成能力扩展到大规模场景范围。关键的是，我们继承了最先进生成式形状模型（例如我们采用的Trellis.2（https://huggingface.co/papers?q=Trellis.2））的保真度和完整性，并将其推广到场景级别。为此，我们提出了一种基于投影的条件机制（https://huggingface.co/papers?q=projection-based%20conditioning%20mechanism），该机制将带有位姿的多视角图像特征（https://huggingface.co/papers?q=multi-view%20image%20features）提升为与生成模型对齐的连贯3D表示（https://huggingface.co/papers?q=coherent%203D%20representation），该表示独立于视角顺序并在空间上锚定于场景，从而生成高保真、多视角一致的几何体。这使得能够将Trellis.2（https://huggingface.co/papers?q=Trellis.2）强大的物体级先验提升到多视角、场景规模的生成，为室内环境产生忠实、可编辑的PBR网格重建（https://huggingface.co/papers?q=PBR%20mesh%20reconstructions）。因此，我们获得了超越尖端重建方法16%的高保真结果。

查看arXiv页面（https://arxiv.org/abs/2605.23888）查看PDF（https://arxiv.org/pdf/2605.23888）项目页面（https://kasothaphie.github.io/GenRecon/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.23888）

在您的Agent中获取此论文：

hf papers read 2605.23888

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

引用本文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.23888 以从此页面链接。

引用本文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.23888 以从此页面链接。

引用本文的Space0

没有Space链接此论文

请在Space README.md 中引用 arxiv.org/abs/2605.23888 以从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

请将此论文添加到收藏集（https://huggingface.co/new-collection）以从此页面链接。