单图重建可编辑3D场景
TheZachMueller · x · 2026-07-20
UC San Diego 和 Lambda 的 CVPR 2026 工作 PixARMesh，可以把单张照片重建成一个可编辑的 3D 场景。
- 它把整个场景表示成单一 token 序列，再用自回归方式生成。
- 不依赖 SDF、occupancy field 或多阶段布局优化。
- 在 3D-FRONT 上，scene-level F-Score 达到 33.55%，对比 DepR 的 25.00%。
- Chamfer Distance 从 0.153 降到 0.099。
- 生成的每个物体都是可直接用于创作的 mesh，包含几千个面。
方法上，它将像素对齐的图像特征和全局场景上下文通过 cross-attention 输入自回归 Transformer，在一次前向里逐个 token 预测物体姿态和 mesh。作者也提到它对机器人建图、自动驾驶场景重建、游戏和室内设计都有潜在价值。
「多模态」频道最新
- Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27
- Reddit 用户用 ComfyUI 生成逼真「清晨公交」短片 — no3us · 2026-10-27
- 网友为 MOSS 模型做模糊/防模糊 Slider LoRA,负权重让背景更清晰 — NoMouse9610 · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- Krea-2 Turbo 搭配 ComfyUI 做产品广告图，作者晒提示词与成片效果 — comfy-king-999 · 2026-10-27
- Marigold V2 深度估计支持高分辨率分块推理，登陆 ComfyUI — AntonObukhov1 · 2026-10-27