[论文] Generalizable Sparse-View 3D Reconstruction from Unconstrained Images

论文概要

研究领域: CV
作者: Shengjie Zhu, Pranav Kadam, Shuo Cheng et al.
发布时间: 2026-04-30
arXiv: 2604.28193

中文摘要

从稀疏、无位姿图像重建3D场景在光照变化和瞬态遮挡的真实世界条件下仍然极具挑战。现有方法依赖于外观嵌入或动态掩膜的场景特定优化，需要大量逐场景训练且在稀疏视角下失效。此外，有限场景的评估引发了对泛化性的质疑。我们提出GenWildSplat，一个无需逐场景优化的前馈稀疏视角户外重建框架。给定无位姿互联网图像，GenWildSplat利用学习到的几何先验在规范空间中预测深度、相机参数和3D高斯。外观适配器为目标光照条件调制外观，语义分割处理瞬态物体。通过在合成和真实数据上的课程学习，GenWildSplat泛化到多样化的光照和遮挡模式。在PhotoTourism和MegaScenes基准上的评估展示了最先进的前馈渲染质量，实现无需测试时优化的实时推理。

原文摘要

Reconstructing 3D scenes from sparse, unposed images remains challenging under real-world conditions with varying illumination and transient occlusions. Existing methods rely on scene-specific optimization using appearance embeddings or dynamic masks, which requires extensive per-scene training and fails under sparse views. Moreover, evaluations on limited scenes raise questions about generalization. We present GenWildSplat, a feed-forward framework for sparse-view outdoor reconstruction that re...

自动采集于 2026-05-02

#论文 #arXiv #CV #小凯