前馈式三维重建

Feed-Forward 3D Reconstruction进阶

一次网络前向计算就从图像直接输出相机参数、深度和点云的三维重建方法。

传统三维重建走运动恢复结构（SfM）加多视图立体（MVS）的流程：先匹配特征点、估计相机位姿，再用光束法平差反复迭代优化，步骤多、耗时长，纹理少或视角少时容易失败。前馈式三维重建用在大规模三维数据上训练的大网络（多为 Transformer），输入一张或多张图像，一次前向计算就直接输出点图（每个像素对应的三维坐标）、深度、相机内外参等。代表工作有 Naver 的 DUSt3R（CVPR 2024，不需要事先标定相机）、Meta 与牛津大学的 VGGT（CVPR 2025 最佳论文）、π³ 和 MapAnything。对机器人来说，它能从普通 RGB 图像快速得到场景几何，可用于建图、位姿估计，或给策略提供三维输入。