arXiv cs.AI· Weijie Wang, Qihang Cao, Sensen Gao, Donny Y. Chen, Haofei Xu, Wenjing Bian, Songyou Peng, Tat-Jen Cham, Chuanxia Zheng, Andreas Geiger, Jianfei Cai, Jia-Wang Bian, Bohan Zhuang·· 3 天前AI 评分22
前馈 3D 场景建模综述：从问题驱动视角看模型设计
Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective
AI 导读
一篇 67 页、395 篇参考文献的综述提出以模型设计为中心的前馈 3D 重建分类法，抛开隐式场与显式图元等输出表示差异，将研究方向归纳为特征增强、几何感知、模型效率、增强策略和时序感知模型五个关键问题。该综述还系统梳理了相关基准与数据集，并对前馈 3D 模型的实际应用进行分类讨论，最后指出可扩展性、评测标准和世界建模等开放挑战。
正文 · AI 翻译
作者：Weijie Wang、Qihang Cao、Sensen Gao、Donny Y. Chen、Haofei Xu、Wenjing Bian、Songyou Peng、Tat-Jen Cham、Chuanxia Zheng、Andreas Geiger、Jianfei Cai、Jia-Wang Bian、Bohan Zhuang
摘要：从 2D 输入重建 3D 表示是计算机视觉与图形学中的一项基础任务，是理解并与物理世界交互的基石。传统方法虽然能实现高保真度，但受限于逐场景优化速度慢或特定类别训练，阻碍了其实际部署与可扩展性。因此，可泛化的前馈 3D 重建近年来发展迅速。通过学习一个能在单次前向传播中直接将图像映射到 3D 表示的模型，这些方法实现了高效重建和稳健的跨场景泛化。本综述源于一个关键观察：尽管几何输出表示多种多样，从隐式场到显式图元，现有前馈方法共享相似的高层架构模式，例如图像特征提取骨干网络、多视图信息融合机制以及几何感知设计原则。因此，我们抛开这些表示差异，转而关注模型设计，提出一种以模型设计策略为核心、与输出格式无关的新分类法。我们提出的分类法将研究方向组织为驱动近期研究发展的五个关键问题：特征增强、几何感知、模型效率、增强策略和时序感知模型。为以实证基础和标准化评估支持这一分类法，我们进一步全面回顾了相关基准和数据集，并基于前馈 3D 模型广泛讨论和归类了实际应用。最后，我们概述了未来方向，以应对可扩展性、评估标准和世界建模等开放挑战。
| 评论： | 67 页，395 篇参考文献。项目页面：此 https URL。代码：此 https URL。本工作已提交至 Springer 以供可能的出版 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；图形学 (cs.GR) |
| 引用为： | arXiv:2604.14025 [cs.CV] |
| （或 arXiv:2604.14025v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.14025 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Weijie Wang [查看邮箱]
[v1]
2026 年 4 月 15 日星期三 16:07:18 UTC（13,178 KB）
[v2]
2026 年 10 月 10 日星期六 07:01:28 UTC（12,577 KB）
来源：arXiv cs.AI · arxiv.org