港大开源GenSfM：四视图联合重建物体与位姿

香港大学团队开源GenSfM，用原生3D扩散模型在单一多模态序列中同时去噪物体形状与各视角相机位姿，仅需2至4张无标定图像，无需相机内外参。团队称，在Toys4k与GSO上，其新视角PSNR比多视图基线TRELLIS-M高3.2–4.5 dB，Chamfer距离中位数降低约64%–74%，位姿Acc@5°超过96%。论文已被NeurIPS 2026接收，代码与模型公开。 使用自有图像时，需准备同一刚性物体的2–4个视图（推荐四视图覆盖不同侧面），并提供透明背景的RGBA前景遮罩；首次运行需从Hugging Face下载约5.8 GB预训练模型及DINOv2编码器。UV目标编码所需的训练好的UV编码器不包含在推理bundle中。 结果限于以物体为中心的输入；扩展至更多视图、场景级输入和分割更松的真实拍摄，团队列为后续方向。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。