- 博客(225)
- 收藏
- 关注
RSS订阅
原创 【三维重建工具】NeRFStudio、3D GaussianSplatting、Colmap安装与使用指南
Nerfstudio，一个用于NeRF开发的模块化PyTorch框架。框架中用于实现基于NeRF的方法的组件即插即用，使得研究人员和相关从业者可以轻松地将NeRF集成到自己的项目中。框架的模块化设计支持实时可视化工具，导入用户真实世界捕获的数据集外（in-the-wild）数据，以及导出为视频，点云和网格表示的工具。近期，还导入了InstantNGP、3D Gaussian Splatting等最新重建算法。
2024-04-08 23:05:42
19474
33
原创 【世界模型】WorldCrafter：基于隐式三维感知记忆的视频世界模型
WorldCrafter 是一个视频世界模型，旨在解决现有模型在长视野和跨视角下难以保持历史观察一致性的问题。该模型通过学习可查询相机的隐式 3D 感知内存，允许请求的视角决定如何将多视图证据压缩到视频生成器有限的 Token 预算中，从而实现从单张图像或文本提示进行流式场景探索。
2026-10-13 18:12:22
20
原创 【三维重建】GaussianGPT：迈向自回归三维高斯场景生成
GaussianGPT提出一种纯自回归的3D高斯场景生成方法，将三维场景建模为序列预测任务。通过稀疏3D特征网格与无查找表量化（LFQ）实现高效离散化，结合3D旋转位置编码（RoPE）和因果Transformer，支持无条件生成、补全及大规模外扩。实验表明，其在几何与外观质量上均优于现有方法，显著提升生成一致性与细节表现。
2026-10-12 11:53:29
202
原创 【动态重建】UniFusion：基于统一时空深度对齐技术的稀疏视图4D重建
UniFusion 提出了一种统一的时空深度对齐框架，能够联合解决跨视角与跨时间维度上的不一致性，且无需区分前景与背景。我们的方法将跨视角及跨时间维度上的深度图表示为一组时空神经场；这种表示方式不仅能够实现快速收敛，还能隐式捕捉深度图之间的时空相关性，且无需依赖外部分割/跟踪模型。此外，我们提出一种多视图深度顺序损失函数，并结合经典的尺度与平移不变性损失函数，以进一步提升最终深度图的质量。对齐后的深度图用于初始化并监督基于高斯散点法的四维重建模型。在 Ego-Exo4D 和 EgoHuman 数据集上的实验
2026-09-10 16:02:42
296
原创 【三维重建】Lucida：可组合的真实与仿真场景建模的解析、生成与部署（字节）
Lucida 将视频解析为一个场景图，其中每个节点携带对应实例的多视图证据；随后根据这些证据为每个实例生成完整的资产，并利用 GizmoAct（一种将放置操作视为多轮 GUI 交互的 VLM 策略）来完成资产的放置——该策略通过闭环方式操作物体的控制装置，并自主判断何时达到对齐状态。
2026-09-09 16:55:49
273
原创 【三维生成】CAST：基于 RGB 图像的组件对齐三维场景重建（SIGGRAPH 2025）
CAST首先从输入图像中提取物体级的二维分割信息与相对深度信息，随后利用基于GPT的模型分析物体间的空间关系。这有助于理解场景中各物体之间的相对位置关系，从而确保重建结果更具连贯性。接着，CAST采用一种具有遮挡感知能力的大规模3D生成模型，利用掩码自编码器（MAE）和点云条件化技术来缓解遮挡及部分物体信息带来的影响，确保生成的几何结构与源图像的几何形态及纹理精确对齐。为将每个物体与场景对齐，对齐生成模型计算所需的变换矩阵，使得生成的网格能够被准确放置并整合到场景的点云中。最后，CAST应用一种基于物理规律
2026-09-08 17:06:49
328
原创 【前馈式三维重建】Lingbot-map：用于流式三维重建的几何上下文Transformer
LingBot-Map——一个基于前向传播架构的3D基础模型，用于从流式数据中重建场景；该模型构建于几何上下文Transformer（GCT）架构之上。LingBot-Map 的一个核心特征在于其精心设计的注意力机制，该机制整合了锚定上下文、位姿参考窗口以及轨迹记忆，分别用于解决坐标系锚定、密集几何线索处理以及长距离漂移校正问题。这种设计在保持流式数据状态紧凑的同时保留了丰富的几何上下文信息，使得模型能够在分辨率 518 × 378 的输入图像上、针对超过 10,000 帧的长序列进行稳定且高效的推理（帧
2026-09-04 16:54:01
366
1
原创 【动态重建】Flow4DGS-SLAM：基于光流引导的4DGS-SLAM算法
本工作提出一种基于光流引导的高效动态3DGS SLAM框架。通过利用输入深度图与先验光流信息，首先提出一种与物体类别无关的运动掩膜生成策略——该策略通过拟合相机自身运动模型来分解光流。此模块可分离动态与静态GS，并同步提供基于光流的相机位姿初始化方法。我们通过在关键帧处显式建模动态3DGS的时域中心点，显著提升了其训练速度；这些中心点利用三维场景流先验信息进行传播，并采用自适应插入策略进行动态初始化。此外，我们采用高斯混合模型（GMM）对时域不透明度与旋转运动进行建模，以自适应地学习复杂的动态行为。实验结果
2026-09-04 16:01:08
331
1
原创 【前馈三维重建】GARD：几何敏感的表示去噪（鲁棒多视角三维重建）
本文提出了一种名为“几何感知表示去噪（GARD）”的新框架，直接在前馈式三维重建模型的特征空间内执行基于扩散的多视图恢复操作。这一设计利用了三维重建器所具有的几何感知特征表示能力，从而有效地恢复出精确的场景几何结构。此外，通过引入一个额外的RGB图像解码器，这些优化后的特征表示还可用于恢复高质量的RGB图像，从而实现三维场景几何结构与高质量图像的同步恢复。在Depth Anything 3（DA3）基准数据集上开展的全面实验验证了所提出的GARD框架的有效性。
2026-09-03 15:29:00
333
原创 【三维修复】FixAnything：基于视频生成先验的三维一致渲染优化
<think>We need answer in Chinese. Need produce abstract ≤150 chars? Wait user says "根据以下内容，生成≤150字的文章摘要" but content is large. Need comply: generate article abstract within 150 characters? Chinese "字" could mean characters, likely ≤150字. Need distill. But
2026-08-31 16:29:40
392
原创 【前馈三维重建】InfiniSplat：面向大基线单目视图合成的隐式高斯解码方法
InfiniSplat是一个前向传播的单图像三维GS框架，该框架从像素对齐表示法转向表面对齐表示法。InfiniSplat通过以下步骤构建这种表示法：首先利用几何引导采样根据深度诱导的局部表面结构放置二维支撑点；随后应用查询条件化隐式解码器，根据在这些支撑点处查询到的图像特征预测高斯属性。通过将支撑点位置锚定于几何结构，并将高斯分布预测与固定像素中心解耦，InfiniSplat生成的高斯布局能更好地遵循场景表面，并减少由网格离散化引起的分散基元问题。
2026-08-20 17:19:05
367
原创 【三维重建】QuerySplat：在 3DGS 预测中解耦几何与外观表征
QuerySplat 是由几何先验信息和显式外观解耦驱动的前馈式 3DGS 框架。具体设计了一个双分支基于查询的解码器：几何分支利用预训练的视觉几何模型进行空间理解，这使 QuerySplat 自然具备无姿态建模能力；而外观分支则通过一条与几何属性回归分离的专用路径来恢复高频细节
2026-08-19 22:07:11
431
2
原创 【世界模型】Lyra 2.0：可探索的生成式3D世界（NVIDIA）
Lyra 2.0框架通过创新的防遗忘和防漂移机制，解决了长视频生成中的空间遗忘与时间漂移问题。该方法维护三维几何缓存进行信息路由，采用自增强历史数据训练模型修正漂移误差，实现了长轨迹三维一致性视频生成。结合前馈重建技术，可输出高质量3D资产，支持场景探索与交互式应用。核心贡献在于通过几何感知检索与自适应历史压缩，显著提升了生成视频的空间持续性与时间稳定性。
2026-08-18 16:23:57
333
原创 【稀疏重建】StructSplat：基于非校准稀疏视图的可泛化3DGS
StructSplat——一个前馈式且可泛化的三维高斯重建框架，该框架可直接作用于未校准图像，而无需相机参数。现有方法要么依赖于场景级优化，要么假设已知相机位姿，并常将几何信息与外观特征混杂于统一的骨干网络中，从而限制了重建的保真度和泛化能力。核心思想是采用一种结构化表示方式，该方式能组织几何、语义及纹理线索，并明确界定它们在重建过程中的角色。具体而言，我们引入了一种像素对齐的特征注入机制，以实现从二维观测数据中精确建模纹理；引入了语义感知先验信息以提升全局一致性；并设计了一套相机对齐策略，以防止信息泄露并
2026-08-14 14:59:56
348
原创 【三维重建】GLOB3R：基于 3D 基础模型的运动至全局结构重建
Glob3R：基于3D基础模型的全局SfM重建方法 【摘要】本文提出Glob3R，一种结合3D基础模型与全局优化的新型结构运动（SfM）重建框架。针对现有三维几何基础模型（如VGGT）在长序列重建中存在的漂移和不一致问题，Glob3R通过以下创新实现改进：（1）在冻结的Pi3X骨干网络上添加轻量级密集匹配头，将图像扭曲预测转化为可靠的多视图特征轨迹；（2）设计关键帧选择策略和滑动窗口关联机制，确保跨窗口的几何一致性；（3）通过全局运动平均和束调整优化相机位姿。实验表明，Glob3R在室内外场景、大规模驾驶数
2026-08-11 15:54:58
377
原创 【前馈三维重建】AdaptiveSplat：前馈重建的纹理感知可控3DGS分配方法（ECCV 2026）
AdaptiveSplat方法，用于在给定高斯预算下优化3D高斯分配，实现高效且高质量的新视角合成。传统前馈式3D高斯重建方法通常为每个输入像素预测一个高斯，导致冗余表示。AdaptiveSplat通过纹理感知的剪枝策略，在低纹理区域使用更少、更大的高斯，而保留高纹理区域的高斯密度。核心创新包括：1）基于离散小波变换的纹理能量估计；2）区域级剪枝策略，通过超级簇聚类优先剪枝低纹理区域；3）自适应高斯预测头，重新调整保留高斯的属性以填补空缺。实验表明，该方法在保持场景保真度的同时，显著减少了高斯数量，优于现有
2026-08-10 20:51:37
1162
1
原创 【前馈三维重建】Argus：室内场景的可度量全景三维重建
针对全景数据的度量前馈三维重建方法由于缺乏大规模全景 RGBD 训练数据而尚未得到充分研究。我们提出了Realsee3D——一个包含1万个室内场景（其中1千个为真实场景，9千个为合成场景）的混合数据集，该数据集拥有29.9万个全景视点及精确的度量标注；同时，我们还开发了Argus——一个基于该数据集训练的前馈网络，用于进行度量全景三维重建。在Realsee3D的稀疏无序捕获环境下，选择不当的坐标锚点可能导致全局位姿漂移。Argus通过引入一个学习型共可见性模块来解决这一问题，该模块能够选择几何上最优的参考视
2026-08-10 17:00:52
366
原创 【前馈三维重建】SAF3R：前馈式3D重建Transformer的动态稀疏注意力（加速）
本文对多种F3R Transformer中的全局注意力机制进行了全面分析，揭示了注意力模式在不同层和注意力头之间具有高度异质性、动态变化及极高的稀疏性。基于这些发现，我们提出了SAF3R——一个专为F3R Transformer设计的无需训练的动态稀疏注意力框架。 SAF3R将定制化的稀疏注意力机制与离线头特征分析及高效的在线适配策略相结合，以匹配输入依赖的注意力行为。大量实验表明，SAF3R能在保持相机位姿估计与三维重建质量的同时实现较高的稀疏率
2026-08-10 16:36:48
272
原创 【世界模型】MotionForesight：视频模型应用于未来的三维场景流预测
给定一段短时观测视频上下文，MotionForesight可预测被操控物体上各点的未来三维轨迹。这将交互预测问题转化为一个以物体为中心的三维运动预测任务，且无需对物体属性作任何假设。我们的核心见解在于：视频预测模型已编码了关于人类交互过程中物体运动方式的丰富先验知识。我们将这些先验信息从像素级预测转向未来的三维场景流预测。我们基于一个预训练的视频模型构建的密集三维跟踪器，从完整视频片段中生成伪真实轨迹，并仅利用观测帧训练预测器。未来的RGB图像和几何信息替换为学习到的mask latent，并训练一个轻量级
2026-08-10 16:23:34
375
原创 【具身智能】RGB视觉 + 实景重建：人形机器人零样本 Sim2Real 导航
文章摘要：机器人强化学习（RL）需在仿真环境中训练以避免实体设备损坏，但仿真环境必须高度逼真才能确保策略可迁移至真实场景。Niantic Spatial与Flexion提出完整流程：通过普通RGB相机扫描目标场地，利用3D Gaussian splatting技术重建高保真数字孪生场景，结合NVIDIA Isaac Sim进行仿真训练，最终实现zero-shot迁移至实体机器人。该方案攻克了视觉与物理层对齐难题，仅需单次扫描即可生成适配训练的公制尺度场景，并通过同源数据生成物理碰撞网格，确保仿真与真实环境
2026-07-22 15:36:02
452
原创 【三维重建】SalientGS：基于重要性引导的SfM到3DGS统一建模
SalientGS提出了一种创新的端到端SfM到3D高斯点云拼接流程，通过重要性引导的MCMC高斯分配方法优化资源分配。该方法整合多视角残差数据，定义重要性加权采样分布，在不改变随机梯度朗之万动力学的前提下，将计算资源优先分配给欠拟合区域。实验表明，SalientGS仅需15分钟即可完成重建，在Mip-NeRF 360数据集上实现了最佳感知质量（LPIPS显著降低），且无需COLMAP预处理，展现了高效与高质量的平衡。
2026-07-15 17:49:12
437
原创 【三维重建】ArtiFixer：自回归扩散增强与扩展3DGS（NVIDIA）
本文提出ArtiFixer，一种基于双向流匹配和因果蒸馏的技术，用于增强3D高斯渲染(3DGS)结果并扩展新视角生成。该方法包含两个核心阶段：双向训练：构建教师模型，通过不透明度混合（结合退化渲染与高斯噪声）和物理条件注入（不透明度图+光线图）学习图像修复能力，采用条件流匹配损失防止模式崩溃。因果蒸馏：将教师模型转化为高效的自回归学生模型，支持单次推理生成数百视角，通过DMD蒸馏实现4步采样，并利用KV缓存实现无限长度生成。
2026-07-15 11:58:42
313
原创 【动态重建】4D Gaussian Splatting：是什么？为什么重要
4D高斯泼溅技术（4DGS）是3D高斯泼溅（3DGS）在时间维度的扩展，能够实现动态场景的实时逼真重建。该技术通过形变场、时间条件参数或显式4D建模等方法，捕捉动态变化如人物移动、车辆穿梭等。自2023年基础研究提出后，技术在2024年快速成熟，多个团队优化了动态场景处理效率与存储需求，并探索医疗等领域的应用潜力。2025年起，商业化加速，如Nuke 17.0集成高斯泼溅技术，Volinga与XGRIDS合作实现实时渲染，150摄像头阵列展示广告级捕捉能力。4DGS在电影虚拟制作中尤为突出，支持动态环境元素
2026-05-29 13:44:19
1031
原创 【三维重建】RT-Splatting：基于3DGS的联合反射-透射建模（CVPR 2026）
《RT-Splatting: 基于高斯溅射的联合反射-透射建模》摘要 北京大学团队提出RT-Splatting，创新性地解决了3D高斯溅射(3DGS)在半透明镜面场景重建中的关键瓶颈。该方法通过将高斯曲面的几何占据度(σ)与光学不透明度(α)解耦，构建了统一的表面-体积表征：几何占据度决定反射面的物理存在性，光学不透明度控制透射光的衰减程度。针对联合优化中的梯度冲突问题，开发了镜面感知梯度门控机制，通过反射区域的局部方差动态调节透射分支的梯度流，有效抑制了伪影产生。实验表明，该方法在保持实时渲染(100+
2026-05-29 11:43:18
538
原创 【世界模型】从“看见”到“认识”世界：视觉世界模型综述
《视觉世界模型研究综述：从观察到认知世界》 本文系统梳理了视觉世界模型（VWM）的研究进展，指出当前领域存在概念不统一、评估标准割裂等问题。作者提出以视觉为核心驱动力的研究框架，将VWM分解为视觉编码、知识学习和可控模拟三大组件，并据此分析现有模型的四类架构设计。研究强调VWM需超越表象模仿，建立包含时空连贯性、物理动力学和因果机制的多层次知识体系。在评估方面，主张从视觉质量扩展到动态合理性和任务表现的综合评测。文章还总结了通用与领域专用两类基准数据集，并指出未来三大方向：强化物理与因果根基、建立更本质的评
2026-05-28 10:11:44
530
原创 【三维重建】Scal3R：适用于大规模三维重建的可扩展测试时训练系统（CVPR 2026）
本文提出Scal3R方法，解决大规模3D重建中长视频序列处理难题。针对现有前馈模型因内存限制难以保持长序列重建一致性的问题，创新性地引入神经全局上下文表示(GCM)，通过轻量级自适应记忆单元(AMU)高效压缩场景信息。该方法采用测试时训练(TTT)机制，以块为单位更新快速权重，显著提升内存效率。实验表明，在KITTI和Oxford等数据集上，Scal3R实现了领先的位姿估计和3D重建精度，同时保持高效计算。核心创新在于将全局注意力与局部感知相结合，通过门控机制平衡长程记忆与局部特征，有效解决了大规模场景重建
2026-05-19 16:10:27
474
原创 【三维重建】TrackerSplat：基于点追踪的快速鲁棒动态3DGS重建
本文提出TrackerSplat方法，通过整合点追踪技术优化动态3D高斯场景重建。针对传统方法在快速运动时出现的伪影问题，该方法利用点追踪模型提取像素轨迹并三角化到3D高斯基元，指导其位移、旋转和缩放参数的优化。关键技术包括：1)基于点追踪的初始运动估计；2)并行加权增量最小二乘法(PWI-LS)求解高斯变换；3)多视角观测下的运动补偿。实验表明，该方法在保持实时渲染速度的同时，显著提升了大幅位移场景的重建质量，处理吞吐量较基线提升3倍以上，为机器人导航等动态场景应用提供了更鲁棒的解决方案。
2026-05-06 18:03:03
480
原创 【光流跟踪】MegaFlow：零样本大位移光流算法
摘要： MegaFlow提出了一种零样本大位移光流估计方法，通过结合预训练视觉Transformer的全局匹配能力和轻量级局部优化模块，解决了传统方法在大位移和跨域泛化中的局限性。该框架将光流估计转化为全局相关性计算问题，利用DINOv2特征构建全对全匹配，并通过循环细化提升精度。实验表明，MegaFlow在Sintel、KITTI等基准上实现了零样本SOTA性能，且可无缝扩展至长序列点追踪任务。其核心创新在于统一了运动估计范式，仅需80K次训练即达到9.36亿参数模型的优异表现，为通用运动分析提供了新思路
2026-04-27 17:47:09
473
原创 【动态重建】SparseCam4D：基于稀疏相机实现时空一致的4D重建技术
SparseCam4D提出了一种基于稀疏摄像机的4D动态重建框架，通过引入时空畸变场建模生成观测数据中的不一致性，解决了现有方法依赖密集摄像机阵列的问题。该方法将4D高斯参数化，利用K-planes分解时空维度，并设计包含感知损失和位姿正则化的5项优化目标。实验表明，该方法能有效消除伪影，实现高保真且时空一致的动态场景重建，显著优于现有技术。
2026-04-27 14:35:06
493
原创 【动态重建】MoRe：基于运动感知的前向4D重建Transformer（CVPR 2026）
MoRe提出了一种基于Transformer的动态4D重建方法，通过运动感知注意力机制有效分离动态与静态区域，解决了传统方法在动态场景下相机姿态估计不准确的问题。该方法采用分组因果注意力实现流式处理，并引入运动对齐监督确保时间一致性。实验表明，MoRe在多个数据集上展现出优异的零样本泛化能力，在动态和静态场景中均能实现精准的深度估计与相机姿态预测。其创新点包括运动掩码引导的注意力机制和轻量级后处理优化，为实时动态场景重建提供了新思路。
2026-04-27 14:34:25
486
原创 【三维重建】Neural Gabor Splatting：基于神经Gabor的增强型3DGS（高频表面重建）
本文提出Neural Gabor Splatting方法，通过为每个高斯基元配备轻量级MLP来增强其表达能力，解决了传统3D高斯泼溅在高频场景中基元数量激增的问题。该方法采用SIREN架构的神经网络，利用正弦激活函数实现高频信号拟合，并通过频域误差分析指导基元优化，显著提升了高频细节的重建质量。实验证明，该方法在Mip-NeRF360等标准数据集上能有效减少基元数量，同时保持优异的渲染效果。创新点包括神经Gabor表示、频率感知的基元优化策略以及渐进式不透明度重置机制，为复杂场景的高效建模提供了新思路。
2026-04-23 12:08:25
572
原创 【世界模型】混元2.0（腾讯）
文章摘要： 本文介绍了一个创新的3D场景生成系统，具有四大核心功能：1）通过文本或图像一键生成360度全景空间（HY-Pano 2.0），采用无相机元数据的隐式学习方案；2）智能轨迹规划（WorldNav）实现场景探索，支持五种专业级导航模式；3）世界扩展技术（HY-WorldStereo 2.0）生成高质量新视角视频，结合几何感知记忆机制保持一致性；4）支持生成可编辑的3D场景和交互式游戏环境。系统整合了真实场景数据与UE合成数据，通过多模态扩散变换器等先进技术，显著提升了生成质量和用户体验，将专业级3D
2026-04-21 11:29:52
773
原创 【4DGS】4C4D：4个摄像头4DGS成像
本文提出4C4D框架，仅需4台便携相机即可实现高保真4D动态场景重建。针对稀疏视角下几何建模困难的核心问题，创新性地引入神经衰减函数，通过动态调整高斯不透明度优化梯度分配，有效平衡了几何与外观建模。实验在多个稀疏视角数据集上验证了该方法的优越性，显著提升了重建质量。该技术突破了传统依赖密集相机阵列的限制，为轻量化动态场景建模提供了新思路。
2026-04-10 16:39:51
904
原创 【三维重建】LagerNVS：神经场的实时新视图几何合成（CVPR 2026）
牛津大学与Meta AI联合提出LagerNVS框架，实现实时神经新视角合成。该框架采用编码-解码两阶段设计：编码器基于VGGT模型提取3D感知特征，避免显式几何重建；解码器通过Transformer处理目标相机参数生成新视图。研究提出两种注意力变体以平衡质量与效率，并通过混合13个多视角数据集进行端到端训练。实验表明，该方法在保持实时性能（24fps）的同时，合成质量优于传统技术。关键创新在于隐式3D偏置编码和高效的相机参数化表示。
2026-04-10 11:29:14
534
原创 【图像编辑】LightMover：支持颜色与强度控制的生成式光运动系统（CVPR 2026）
LightMover：基于视频扩散模型的光照精准编辑方法 摘要：LightMover提出了一种创新的图像编辑方法，通过将静态图像编辑任务转化为伪视频生成任务，利用视频扩散模型的时空建模能力实现精准的光照控制。该方法采用多信号位置编码(MSPE)技术，将位置信息分解为空间、时间、条件类型和帧角色四个正交子空间，增强模型对输入语义的理解。针对计算效率问题，设计了自适应token修剪策略，包括空间感知剪枝和可学习下采样。数据生成方面，结合真实照片与合成渲染数据，通过物理解耦渲染和参数化光控制实现物理一致性。实验表
2026-04-10 11:26:10
457
原创 【三维编辑】VSR ：虚拟演播室三维重建及基于真实图像的重光照技术
本文提出了一种基于高斯溅射的虚拟工作室3D重建与重光照方法VSR，通过解耦几何与光照属性简化了传统逆渲染的复杂度。核心创新在于为高斯基元引入UV坐标、采样分辨率和强度等重光照属性，结合Mipmap多尺度纹理采样技术，实现了静态场景在不同环境光下的实时重光照效果。相比传统方法，VSR无需复杂物理建模，仅需3小时训练即可生成支持任意输入纹理动态调整光照的3D场景。局限性在于目前仅适用于静态场景，动态物体的重光照仍需进一步研究。该方法为汽车广告等需要昂贵实地拍摄的场景提供了高效的虚拟制作解决方案。
2026-04-09 23:40:48
463
原创 【世界模型】Captain Safari：位姿对齐3D记忆的世界引擎（CVPR 2026）
本文提出Captain Safari——一种基于位姿条件的三维世界引擎，通过持久化记忆机制实现长距离视频生成。针对现有系统在复杂摄像机运动和户外场景中表现不佳的问题，该方法创新性地采用动态局部记忆窗口与位姿对齐检索策略：仅筛选关键场景特征构建紧凑世界表示，在保证计算效率的同时维持三维一致性。研究团队还发布了OpenSafari数据集，包含高动态无人机拍摄的复杂户外场景视频及验证轨迹。实验表明，该模型在MEt3R、AUC@30等指标上超越现有方法，人类评估偏好率达67.6%。这项工作为可控视频生成提供了新范式
2026-04-03 11:39:56
623
原创 【动态重建】FreeTimeGS：动态场景重建中的任意时空自由高斯原始数据（CVPR 2025）
本文提出FreeTimeGS方法，解决复杂运动场景动态三维重建的挑战。传统方法依赖形变场将规范基元映射至观察空间，难以处理复杂运动。FreeTimeGS创新性地采用四维表示，允许高斯在任意时空位置渲染，并赋予每个基元运动函数以实现动态迁移。通过时空不透明度建模、周期性重定位和速度初始化策略，显著提升了动态场景建模能力。实验在Neural3DV、ENeRF-Outdoor和自建SelfCap数据集上验证了方法的优越性，PSNR、DSSIM和LPIPS指标均优于现有方法，且训练效率高（300帧序列仅需1小时）。
2026-04-02 11:24:33
550
原创 【三维重建】DROID-SLAM-W：不确定性感知束调整的动态干扰SLAM重建
摘要： 本文提出了一种鲁棒的实时RGB SLAM系统，通过可微分不确定性感知束调整技术应对动态环境挑战。传统SLAM方法在动态场景中易失效，而现有动态SLAM方案依赖预定义先验或不可靠几何映射。本方法创新性地利用多视角视觉特征不一致性估算像素级不确定性，在杂乱动态场景中实现了最先进的相机位姿估计与场景重建，同时保持约10FPS的实时性能。系统基于DROID-SLAM框架，引入不确定性优化模块，交替更新位姿深度与动态置信度，结合DINOv2特征增强多视图一致性判断，显著提升了动态环境下的鲁棒性。
2026-04-01 18:21:10
578
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人