3D重建

基于深度学习的3D重建模型，专门针对网格生成优化训练 SF3D是一款基于深度学习的3D重建模型，不同于传统3D重建方法，该模型专门针对网格生成任务完成训练。它集成快速UV展开技术，可直接生成纹理，无需依赖顶点颜色输出。模型支持学习材质参数与法线贴图，提升重建模型视觉质量，新增去照明步骤可去除低频照明效果，便于重建网格在新光照条件下使用。

结合Mamba2与Transformer的高效全场景3D重建模型 Long-LRM是一款结合最新Mamba2模块与传统Transformer模块的3D重建模型，通过高效token合并和高斯修剪提升效率，仅需单张A100 80G GPU即可在1.3秒内处理32张960×540分辨率源图像。不同于传统前馈模型仅能重建场景局部，它支持一次性重建全场景，在公开大规模数据集上性能媲美传统优化方法，效率提升两个数量级。

基于高斯分布的3D语言场构建工具，大幅提升处理效率 不同于NeRF方案的昂贵渲染流程，LangSplat依托CLIP语言模型生成的语言特征，可精确捕捉目标对象边界，直接生成精确的3D语言场，无需额外后处理步骤。相比现有同类方案LERF，LangSplat的处理速度提升199倍，大幅降低3D场景理解的算力成本。

基于Transformer的GRM模型，高效融合多视图实现高质量3D重建 GRM是前馈Transformer架构的3D重建模型，可将输入像素转换为像素对齐高斯分布，反投影后得到密集3D高斯场景表示。相比传统3D重建方案，GRM在重建质量与效率方面均更优，还可结合多视图扩散模型，支持文本到3D、图像到3D生成任务，搭建了可扩展的高效重建框架。

360°几何感知3D全头合成技术，支持野外非结构化图像训练 不同于传统3D头部合成方法依赖规范标注的结构化训练数据集，PanoHead仅依靠野外非结构化图像即可完成训练，能够输出视图一致的高质量360°全头部合成内容，同时保留精准详细的头部几何形状，面向计算机视觉领域的3D重建研究提供技术支持。

基于SMPL-X的3D人体建模流水线，支持泛化未见过的人体姿态 Chupa是SNUVCLAB开发的3D人体建模流水线，区别于传统人体重建方案，能够轻松泛化到未见过的人体姿态，生成效果逼真。它通过从SMPL-X网格生成潜在空间，输出多样化的高质量人体网格，为计算机视觉领域的3D人体建模提供了新的实现路径。

Naver Labs推出的无需相机校准的深度学习3D重建工具 DUSt3R是Naver Labs开发的3D重建技术项目，打破传统3D重建对相机校准、预设视点姿态信息的依赖，将成对重建问题转化为点图回归，放宽传统投影相机模型的约束。项目采用Transformer编解码器架构，依托预训练模型实现统一的单目、双目重建，支持多图像全局对齐，可直接输出场景3D模型与深度信息。

基于Multi-SLAM与高斯溅射的自动电影级超大3D场景生成工具 Lixel CyberColor（LCC）依托XGRIDS的高精度空间计算能力，采用Multi-SLAM算法与优化高斯溅射（3DGS）技术，可自动生成电影级效果的无限大3D场景。区别于常规3D重建工具，它可实现厘米级模型精度，通过专属压缩技术将模型体积缩减90%，还支持AI动态物体去除，提供适配多平台的插件与SDK。

基于扩散模型的3D重建工具，一分钟生成可交互3D模型 CAT3D部署于cat3d.github.io，依托完整优化的3D重建管线，可将生成的视图转换为可交互渲染的3D模型。区别于传统3D生成工具动辄数小时的处理时长，它从视图生成到3D重建的全流程仅需一分钟，基于扩散模型完成图像处理与生成，降低了快速生成3D资产的门槛。

基于递归扩散的3D生成重建框架，采用自条件联合训练机制 Ouroboros3D是针对图像到3D任务的算法框架，采用自条件机制联合训练扩散与重建两个模块，让两个模块相互适配提升推理鲁棒性。多视图去噪阶段，引入重建模块前序时间步输出的3D感知图作为附加条件，结合递归扩散与3D感知反馈提升几何一致性，实验表现优于多数现有同类方案。

IllumiNeRF是一种先重光照再重建NeRF的3D重光照AI技术 不同于传统基于逆向渲染的3D重光照方法，依赖可微分蒙特卡洛渲染优化存在脆弱、计算成本高的问题，IllumiNeRF采用更简洁的技术路径：先利用图像扩散模型对每张输入图像做重光照预处理，再通过重光照图像重建神经辐射场NeRF，可从未知光照多视图图像恢复3D表示，实现目标光照下新视角渲染，在多个基准测试取得领先性能。

基于2D扩散先验的轻量微调3D人脸重建技术站点 ID-to-3D是基于组合性设计的3D人脸重建项目，依托特定任务2D扩散模型作为优化先验，仅需微调0.2%的训练参数，就在基础模型上扩展出轻量表情感知、身份感知架构，可完成人脸几何与纹理生成，能准确还原面部特征，同时支持头发、配饰的重建，可输出适配下游需求的渲染就绪3D资产。

基于3D-GS的两阶段3D场景生成AI框架，输出视角一致封闭场景 HoloDreamer是一款AI3D场景生成框架，由风格化等矩形全景生成、增强两阶段全景重建两大模块组成。它先生成高清全景作为3D场景初始化，再依托3D高斯散射技术快速重建，解决了单阶段生成常见的视角不一致、场景不完整问题，生成质量稳定性更强。

DualGS是面向人体表演的高压缩实时体积视频渲染技术 DualGS全称Robust Dual Gaussian Splatting，是一款新型基于高斯的人体体积视频表示技术。通过优化关节高斯与皮肤高斯，可精准捕捉复杂人体表演，实现鲁棒跟踪与高保真渲染。采用混合压缩策略可达到120倍压缩比，大幅降低体积视频的存储传输成本，支持低端移动设备、VR头显的实时互动渲染。

基于高斯模型的单图3D头像重建与实时动画生成技术 GAGAvatar是基于高斯模型打造的3D头像技术，可依托单张输入图片快速生成高保真3D头像，支持实时面部表情动画驱动。区别于传统重建方案，它采用创新双提升方法捕捉身份与面部细节，结合全局图像特征与3D可变形模型控制表情，具备对未见身份的泛化能力，为数字头像领域研究应用提供新基准。

基于扩散模型优化的未知静态光照下图像逆渲染材质恢复技术 IntrinsicAnything是针对未知静态光照条件下捕获图像的先进图像逆渲染技术，依托学习扩散模型优化材质恢复流程。它通过生成模型学习材质先验，将渲染方程分解为漫反射和镜面反射项，利用海量3D物体数据训练解决逆渲染歧义问题，搭配从粗到细的训练策略生成多视图一致性约束，获得更稳定准确的材质恢复结果。

结合计算机视觉与深度学习的精准3D模型创建工具 VisFusion依托计算机视觉与深度学习技术提供3D重建能力，区别于传统依赖高精度拍摄硬件的3D重建方案，通过算法优化降低了对输入素材和运行设备的要求，能够生成精度达标的三维模型，为3D内容创作、三维场景还原等工作提供技术支撑，面向开发者和创作者开放能力。

基于改进U-Net的AI生成模型，可单步去噪生成3D一致多视图图像 ViewDiff是一款针对多视角3D一致图像生成的AI模型，通过在传统U-Net网络中融入3D体积渲染模块与跨帧注意力层，优化生成逻辑，可在单个去噪过程中完成生成流程。相较于同领域现有生成方案，ViewDiff输出的多视图图像不仅视觉表现更优，同时整体3D一致性更强，可更好支撑后续3D相关应用开发。

基于提示技术的深度估计方案，可生成4K高精度度量深度 该技术通过提示技术激活深度基础模型潜力，引入iPhone LiDAR作为引导提示，可输出最高4K分辨率的精确度量深度结果。搭建了可扩展的训练数据管道，补充发布ScanNet++数据集更详细的深度注释，输出结果可直接支撑3D重建、机器人抓取等下游计算机视觉任务。

结合视频扩散模型的通用场景高保真新视角合成方法 ViewCrafter是面向新视角合成的新颖计算机视觉方法，依托视频扩散模型的生成能力，结合基于点表示提供的粗略3D线索，可从单个或稀疏输入图像合成通用场景的高保真新视角。该方法通过迭代合成策略与相机轨迹规划扩展3D线索覆盖范围，突破传统方法对稀疏输入生成范围受限的问题，可支持沉浸式场景渲染与文本驱动3D内容创作。

基于稀疏控制点的动态3D场景高斯溅射表示方法，支持运动编辑 SC-GS是面向动态3D场景的新型高斯溅射方法，用少量控制点学习紧凑6自由度变换基，插值获得3D高斯运动场，通过变形MLP预测控制点时变变换，自适应调整控制点适配不同运动复杂度，支持保留外观的运动编辑，在新视图合成和高速渲染上优于同类方法。

结合NeRF与扩散先验的视图外插3D重建技术方案 ReconFusion针对传统3D重建难以处理输入视图范围外新机位的痛点，通过在少量视图和多视图数据集上训练扩散先验，可在输入范围外的不受约束区域合成逼真几何与纹理，同时保留原始观测区域的外观。该方法在前向、360度等多类真实数据集上完成评估，性能优于同类方案。

NeRFStudio官方文档站点，提供神经辐射场开发技术支持 该站是NeRFStudio开源神经辐射场框架的官方文档平台，面向神经辐射场研发人员，整理了从环境配置、项目部署到自定义模型开发、结果调试的全流程内容。所有内容由官方维护，完全匹配NeRFStudio项目迭代，相较于第三方整理文档，准确性与时效性更强。

基于扩散模型的AI人体3D重建项目，解决自遮挡与几何失真问题 PSHuman是面向人体新视角生成的计算机视觉技术项目，依托跨尺度扩散模型联合建模全局全身形状与局部面部特征，可处理复杂自遮挡问题，避免生成面部细节出现几何失真，能够输出保留原身份特征的高细节新视角人体内容。借助SMPL-X参数化模型的身体先验，可提升不同人体姿态下跨视图的身体形状一致性。