标签
Surflo是一种前馈3D重建模型，它将未定姿的RGB视图压缩成潜在标记，并通过流匹配解码出一致的3D表面点，支持可变分辨率输出，在速度上优于现有方法。
BA-T是一种用于两视图束调整的迭代Transformer架构，通过轻量设计仅使用传统解码器16%的参数，提升3D重建精度和跨视图一致性，性能与更大模型相当甚至更优。
本文介绍了SEIG，这是一个利用预训练视觉语言模型从单张图像重建3D场景的框架，通过逐步细化几何、材质、构图和光照，将场景重建为可编辑的Blender程序。
SurGe引入了一个Neighborhood Attention Decoder和一种重新制定的尺度不变梯度匹配损失，以改进前馈式3D重建中的局部表面几何精度，特别是对于薄结构。它在零样本单目几何基准测试中取得了最先进的平均排名，并在局部点图和法线度量方面表现更好。
4D Gaussian Splatting 是一种将平面2D图像转换为三维空间数据的技术，能够从实况画面重建不同视角。
提出GARD，一种基于扩散的框架，在前馈三维重建器的特征空间中操作，从退化输入中联合恢复场景几何和高质量图像。
TriSplat是一种前馈式三维重建网络，利用有向三角形图元直接从单张图像生成可直接用于仿真的网格，省去了昂贵的后处理步骤。该方法在保持竞争性的新视角渲染质量的同时，实现了几何保真的重建。
HorizonStream 提出一种用于流式三维重建的长视界注意力机制，该机制通过证据影响核显式建模几何传播，在恒定内存和线性时间复杂度下实现稳定、可扩展的重建，并能泛化到超过10,000帧的序列。
GenRecon提出了一种3D场景重建方法，将生成式3D先验与多视图图像条件相结合，实现了室内环境的高保真、可编辑网格重建，性能比现有方法提升16%。
介绍SceneAligner，一种用于平面图定位的深度学习方法，利用3D场景重建和跨模态对应学习，在数据有限的真实环境中工作。
UniT是一种统一的几何感知前馈模型，采用分组自回归Transformer，集成了多种范式（在线/离线、多模态、长时域），同时通过自适应尺度损失和队列式KV缓存保持度量尺度精度。它在涵盖七个任务的十个基准上取得了最先进性能。
一个草莓的高斯溅射模型，从90个视角通过焦点堆叠创建，使用slang-splat进行训练并使用SuperSplat进行查看。
EgoForce是一个单目3D手部重建框架，使用统一网络，包含可微分前臂表示、手臂-手部变换器和射线空间求解器，能够在不同相机模型下恢复绝对手部姿态和位置，在多个第一人称基准测试中达到了最先进的精度。
Lite3R 是一个模型无关框架，通过稀疏线性注意力和 FP8 感知量化，提升了基于 Transformer 的 3D 重建效率。在保持 VGGT 和 DA3-Large 等主干网络几何精度的同时，它将延迟和内存占用降低了高达 2.4 倍。
MoCam 是一篇研究论文，介绍了一种基于扩散的统一新视角合成框架，该框架通过动态协调几何和外观先验，提高了对几何误差的鲁棒性。
VidSplat 是一种无需训练的生成式重建框架，它利用视频扩散先验，通过合成新视角，从稀疏输入中恢复完整的 3D 场景。
有人利用 Claude Code 创建了一个工具，能从现有的图像捕捉生成真正的交互式 3D 房产导览，旨在取代 Matterport 这类昂贵的硬件和订阅服务。
本文介绍了TT4D，这是一种新颖的Pipeline和大规模数据集，旨在从单目视频中重建乒乓球比赛的4D场景。该方案采用独特的“先升维”策略，在进行时间分割之前，先估计乒乓球的3D轨迹和旋转，从而即使在存在遮挡的情况下也能实现稳健的重建。
AnyRecon 提出了一种可扩展框架，利用具备持久场景记忆与几何感知条件的视频扩散模型，从任意稀疏输入进行 3D 重建。