Tag · 6 篇

多视图扩散

分布 3D 视觉与重建3生成模型与扩散2强化学习与具身智能1

MV2UV: Generating High-quality UV Texture Maps with Multiview Prompts

把多视图生成的 2D 扩散先验与 UV 空间修复结合，用 UV 空间生成模型同时补全多视图未见区域并消解视图间不一致，为三维资产纹理生成提供了可复用的「多视图提示 + UV 精修」范式。

Human Interaction-Aware 3D Reconstruction from a Single Image

把多人场景先变换到正交规范空间、再用多视图扩散联合生成法线与图像以补全遮挡区域，并引入基于物理的交互先验约束人体间接触，这套「组-实例联合建模 + 多视图扩散补全」思路可直接迁移到多人/多物体场景的单图重建与遮挡补全任务。

FISHuman: Fine-grained Single-image 3D Human Reconstruction via Multi-view 4D Remeshing

把多视图视频扩散模型生成的 RGB/法线序列当作重建先验，再用 4D remeshing 逐顶点跟踪形变、解耦共享规范网格与瞬时变化，从而在多视图不一致的引导下仍能优化出统一 UV 纹理——这套「扩散先验 + 形变跟踪 + UV 融合」的流程可直接迁移到单图物体/人物资产重建与动画管线。

DiffuView: Multi-View Diffusion Pretraining for 3D Aware Robotic Manipulation

将多视图扩散模型的条件生成能力作为视觉骨干网络，通过隐式恢复场景几何来获得对视角变化鲁棒的3D一致表征，可直接用于提升视觉模仿学习在视角偏移下的泛化性。

AnyLift: Scaling Motion Reconstruction from Internet Videos via 2D Diffusion

用 2D 扩散模型在多视图合成数据上做相机条件建模，把互联网单目视频中的 2D 关键点提升为世界坐标系下的全局一致 3D 人体运动与 HOI，为动态相机下的运动重建提供了可复用的两阶段范式。

Align Images Before You Generate

CorrAdapter 用扩散模型中间特征自建跨图像对应关系，并通过旁路分支只聚合匹配区域的信息，为多视图/视频扩散提供了一种免训练、与基线无关的时空一致性增强手段，可直接插入现有 transformer 主干。