3d重建

大江东去浪淘尽千古风流人物

【UniSim-SLAM】前馈SLAM的双流架构：Sim(3)统一位姿图、与经典SLAM及DPVO的三范式对比SLAMVIO视觉里程计深度学习计算机视觉## 摘要几何基础模型（VGGT、DUSt3R 等）让 SLAM 进入"前馈推理"时代，但单一范式无法兼顾延迟与一致性：两视图推理快却约束稀疏，多视图约束丰富却必须攒够帧才能跑。ECCV 2026 的 UniSim-SLAM 回到经典 SLAM 的双流架构——前端两视图跟踪、后端多视图子图精化——并解决了一个经典 SLAM 里不存在的新问题：两种推理输出处于不同局部坐标系、尺度互不相容。其方案是在 S i m ( 3 ) Sim(3) Sim(3) 流形上构建统一

图生3d img2threejs 相机3d重建目录LingBot-Map图生3d img2threejsLingBot-Map 是一个面向流式三维重建的前馈式基础模型，由蚂蚁集团旗下具身智能公司"蚂蚁灵波科技"（Robbyant 团队）于 2026 年 4 月开源，采用 Apache License 2.0 协议，在 GitHub 已积累约 8000 星（据项目仓库，随开源进度变化）。

大江东去浪淘尽千古风流人物

【KV-Tracker】实时位姿跟踪：用KV缓存将多视图Transformer加速15倍多视图3D重建模型（DUSt3R、MASt3R、 π 3 \pi^3 π3）虽然提供了强大的几何先验，但全局自注意力的 O ( ( N M ) 2 ) O((NM)^2) O((NM)2) 复杂度使其难以用于实时场景。KV-Tracker 提出了一种免训练的缓存策略：在建图阶段用关键帧运行完整的双向注意力，缓存全局自注意力层的 Key-Value 对；在跟踪阶段，新帧仅作为 Query 与缓存的 KV 做单向注意力，复杂度降至 O ( M 2 ( N + 1 ) ) O(M^2(N+1)) O(M2(N+

大江东去浪淘尽千古风流人物

【PromptStereo】零样本立体匹配新范式：用结构与运动Prompt驱动迭代优化（CVPR 2026）立体匹配深度估计零样本泛化Depth AnythingCVPR 2026Transformer## 摘要

大江东去浪淘尽千古风流人物

【VGGT-Ω】前馈式3D重建的规模化之路：Register Attention、自监督训练与10B参数Scaling Law深度解析现有前馈式3D重建模型（如VGGT、DUSt3R、MASt3R）虽然摆脱了后优化流程，但模型规模和数据规模对重建精度的影响尚未被系统探索。VGGT-Ω 在架构、数据和训练三个维度同时做了规模化改进：引入 Register Attention 替代部分全局注意力以降低计算开销，用单一 Dense Head + Pixel Shuffle 替代多头 DPT 以节省显存，并构建了覆盖4M序列（含动态场景）的高质量标注流水线。最终在 Sintel 上相机位姿估计 AUC@3° 从22.5提升到40.0（+77%）

大江东去浪淘尽千古风流人物

【VGGT】统一3D重建：单网络同时预测相机位姿、深度图、点云与3D轨迹的前馈Transformer架构深度解析VGGT（Visual Geometry Grounded Transformer）是Meta Research提出的1.2B参数前馈Transformer，能在1秒内从1~100+张图像中同时推断相机参数、点云图、深度图和3D点轨迹。通过Alternating Attention机制（帧内与全局自注意力交替）替代传统Cross-Attention，在相机估计、多视图深度、稠密重建和3D跟踪四项任务上均达到SOTA，且无需迭代优化。论文发表于CVPR 2025。

大江东去浪淘尽千古风流人物

【SharpSLAM】无人机高速飞行下的物体级视觉 SLAM：GAN 去模糊与 3D 重建联合优化无人机高速飞行时，运动模糊严重劣化视觉 SLAM 的特征提取和物体重建质量。Skoltech 的 SharpSLAM 将 DeblurGANv2 作为前端去模糊模块接入 DSP-SLAM（Deep Shape Priors SLAM）流水线，在不改变 SLAM 后端的前提下，将 3D 物体重建 F-score 从 82.9% 提升至 86.2%，SDF RMSE 从 17.2cm 降至 15.4cm。本文解析其三层系统架构、形状先验优化目标函数以及尺度标定方案。

典型重建框架的整体结构与要点记录一种通用性，整体满足自动驾驶三维重建与新视角场景渲染的框架。

SFM逆向扫描工程：重建3D物体这篇文章的灵感来自学习3D视觉算法知识点后课外的思考和自由探索，目前经过不完全的算法实验验证，成果差强人意，经过分析是数据采集的问题而非算法的设计问题。我将采取大白话+行云流水的方式分享，免去一些格式化的目录和结构，也免去较为基础的细节，从而确保这次要分享的内容主线清晰、篇幅合理。

FlashWorld: High-quality 3D Scene Generation within Seconds——数秒内生成高质量三维场景这篇题为《FlashWorld: High-quality 3D Scene Generation within Seconds》的研究论文，提出了一种名为FlashWorld的高效高质量三维场景生成方法。以下是其主要研究内容的概括：

基于Orbbec-Gemini深度相机与SFM-2D to 3D重建算法、手部识别视觉算法、Unity运动控制的3D水果切割游戏演示视频https://www.bilibili.com/video/BV1LTvDBWEA3/?vd_source=042f7eb039218f092216ee53fc47d873https://www.bilibili.com/video/BV1LTvDBWEA3/?vd_source=042f7eb039218f092216ee53fc47d873

这张生成的图像能检测吗

（论文速读）Fast3R:在一个向前通道中实现1000+图像的3D重建论文题目：Fast3R: Towards 3D Reconstruction of 1000+ Images in One Forward Pass（在一个向前通道中实现1000+图像的3D重建）

这张生成的图像能检测吗

（论文速读）InteractVLM: 基于2D基础模型的3D交互推理论文题目：InteractVLM: 3D Interaction Reasoning from 2D Foundational Models（基于2D基础模型的3D交互推理）

这张生成的图像能检测吗

（论文速读）开放词汇3D场景理解的掩蔽点-实体对比论文题目：Masked Point-Entity Contrast for Open-Vocabulary 3D Scene Understanding（开放词汇3D场景理解的掩蔽点-实体对比）

【论文精读】FDGaussian：基于几何感知扩散模型的单图快速高斯溅射 3D 重建标题：FDGaussian: Fast Gaussian Splatting from Single Image via Geometric-aware Diffusion Model

【3D重建技术】如何基于遥感图像和DEM等数据进行城市级高精度三维重建？城市级高精度三维重建是融合多源空间数据（遥感图像、DEM、GIS矢量等）、计算机视觉与地理信息处理技术的复杂过程，核心目标是构建包含“地形+地物（建筑、道路、植被等）”的真实、高精度三维场景。其流程可分为数据准备、预处理、核心重建、优化验证、成果应用5个阶段，每个阶段需结合特定技术与工具保障精度（通常要求厘米级至米级，具体取决于应用场景）。

牛津&Meta最新！PartGen：基于多视图扩散模型的多模态部件级3D生成和重建！文章链接：https://arxiv.org/pdf/2412.18608 项目链接：https://silent-chen.github.io/PartGen/

3DDFA-V3——基于人脸分割几何信息指导下的三维人脸重建从二维图像中重建三维人脸是计算机视觉研究的一项关键任务。在虚拟现实、医疗美容、计算机生成图像等领域中，研究人员通常依赖三维可变形模型（3DMM）进行人脸重建，以定位面部特征和捕捉表情。然而，现有的方法往往难以准确重建出如闭眼、歪嘴、皱眉等极端表情。

我是有底线的