Tag · 4 篇
稀疏视图重建
01 02 03 04
S2D：面向极少输入三维重建的稀疏到稠密提升
S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs
用一步扩散模型修复稀疏点云渲染伪影，再以随机采样丢弃和加权梯度策略拟合3DGS，为极少输入视图下的高质量重建提供了可复用的两阶段提升思路。
MVGGT：用于多视图 3D 指代表达分割的多模态视觉几何接地 Transformer
MVGGT: Multimodal Visual Geometry Grounded Transformer for Multiview 3D Referring Expression Segmentation
MVGGT 展示了如何用双分支 Transformer 从稀疏多视图 RGB 直接进行 3D 指代分割，避免了两阶段重建-分割的延迟与几何退化；其提出的前景梯度稀释问题与 PVSO 优化策略对稀疏视图下的 3D 密集预测训练有直接借鉴意义。
GGPT：几何锚定的点 Transformer
GGPT: Geometry-Grounded Point Transformer
把 SfM 得到的稀疏点云作为显式几何监督，去精修前馈网络输出的稠密点图，这个「稀疏几何引导稠密预测」的范式可以直接迁移到 VGGT、DUSt3R 类模型的几何一致性提升上。
FastGS：100 秒内训练 3D 高斯泼溅
FastGS: Training 3D Gaussian Splatting in 100 Seconds
提出基于多视图一致性的高斯致密化与剪枝策略，无需预算机制即可在训练中动态调控高斯数量，可迁移到动态场景重建、表面重建、稀疏视图重建等任务中加速训练。