Tag · 9 篇

单图三维重建

分布 3D 视觉与重建8生成模型与扩散1

WonderZoom: Multi-Scale 3D World Generation

把尺度自适应的 Gaussian surfels 与渐进式细节合成器结合，让单张图像可以自回归地「放大」出跨尺度的三维内容，为单图三维场景生成与实时渲染提供了一条可复用的多尺度表示思路。

Unposed-to-3D: Learning Simulation-Ready Vehicles from Real-World Images

用相机预测检测头替代已知位姿监督，把可微渲染的光度误差当作自监督信号，使三维重建网络能从无位姿的真实驾驶图像中学习；这套「位姿预测+可微渲染」闭环可直接迁移到其他缺少相机标注的真实数据三维重建任务。

TeHOR: Text-Guided 3D Human and Object Reconstruction with Textures

用文本描述替代/补充接触先验来约束人-物联合三维重建，可复用于非接触交互场景（指向、注视）的重建与生成；其将外观线索纳入对齐过程的做法，对单图人-物重建中的视觉合理性约束有直接借鉴价值。

SAM 3D: 3Dfy Anything in Images

把单图物体重建当作生成任务，用「合成数据预训练 + 真实数据对齐」的多阶段训练突破 3D 数据瓶颈；对做单目重建、3D 资产生成或需要大规模带位姿/纹理 3D 标注数据的工作，这套数据管线与训练范式可直接复用。

PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image

提出一种基于 VLM 的物理 3D 生成框架，通过高效几何词元化（减少 193 倍词元）在标准 VLM 词元预算内学习显式几何，并联合预测铰接与物理属性，为单图生成可直接用于仿真的铰接资产提供了新思路。

PercHead: Perceptual Head Model for Single-Image 3D Head Reconstruction & Editing

用 DINOv2 + SAM 2.1 特征构造的感知损失可直接替换 LPIPS/SSIM/L1，作为高频细节监督的通用手段；ViT 解耦 3D 表示与 2D 输入的架构也值得借鉴到单图重建任务。

GeoRelight: Learning Joint Geometrical Relighting and Reconstruction with Flexible Multi-Modal Diffusion Transformers

把重光照与单图三维几何估计放进同一个多模态 DiT 联合求解，并用与潜变量扩散兼容的无畸变 NDC-正交深度表示 iNOD 作为几何接口，可直接复用到需要几何一致性的图像重光照、逆渲染与单图重建任务。

FACE: A Face-based Autoregressive Representation for High-Fidelity and Efficient Mesh Generation

将网格生成从顶点级序列改为面级 token，序列长度降低 9 倍，为自回归 3D 生成提供高效表示；其面级解码器与 VecSet 编码器结合可复用于单图到网格的潜扩散生成。

Dehallu3D: Hallucination-Mitigated 3D Generation from a Single Image via Cyclic View Consistency Refinement

针对单图生成3D网格中的结构幻觉问题，提出即插即用的循环视图一致性优化模块，通过相邻一致性约束和自适应平滑约束在稠密中间视角上平衡几何连续性与细节保留，并引入离群风险度量（ORM）指标量化几何保真度，为3D生成质量评估提供新思路。