面向 3D 重建与视图合成的前馈方法进展：综述
计算机视觉与模式识别
2025-12-23 v5
摘要
3D 重建与视图合成是计算机视觉、图形学及增强现实（AR）、虚拟现实（VR）和数字孪生等沉浸式技术中的基础问题。传统方法依赖复杂链式的计算密集型迭代优化，限制了其在实际场景中的应用。近期基于深度学习的前馈方法进展彻底革新了该领域，使其能够实现快速且通用的 3D 重建与视图合成。本综述系统回顾了 3D 重建与视图合成的前馈技术，按底层表示架构（包括点云、3D 高斯溅写（3DGS）、神经辐射场（NeRF）等）进行分类。我们审阅了姿态无关重建、动态 3D 重建以及 3D 导向图像与视频合成等关键任务，阐述其在数字人类、SLAM、机器人等领域的应用。此外，我们梳理了常用数据集及其详细统计信息，以及各下游任务的评估协议。最后，我们讨论了开放的研究挑战与未来方向，强调前馈方法在推动 3D 视觉领域技术进步方面的潜力。
引用
@article{arxiv.2507.14501,
title = {Advances in Feed-Forward 3D Reconstruction and View Synthesis: A Survey},
author = {Jiahui Zhang and Yuelei Li and Anpei Chen and Muyu Xu and Kunhao Liu and Jianyuan Wang and Xiao-Xiao Long and Hanxue Liang and Zexiang Xu and Hao Su and Christian Theobalt and Christian Rupprecht and Andrea Vedaldi and Kaichen Zhou and Hanspeter Pfister and Paul Pu Liang and Shijian Lu and Fangneng Zhan},
journal= {arXiv preprint arXiv:2507.14501},
year = {2025}
}
备注
A project page associated with this survey is available at https://fnzhan.com/projects/Feed-Forward-3D