AlignCVC：跨视图一致性用于单图像到3D生成
计算机视觉与模式识别
2025-11-26 v2
摘要
单图像到3D模型通常遵循顺序生成与重建工作流程。然而，由预训练生成模型合成的中间多视图图像往往缺乏跨视图一致性（CVC），显著降低3D重建性能。虽然近期方法尝试通过将重建结果反馈至多视图生成器来细化CVC，但这些方法面临噪声和不稳定的重建输出，限制了有效提升CVC的潜力。我们引入AlignCVC，一种通过分布对齐而非依赖严格回归损失来重新定义单图像到3D生成的新框架。我们的关键洞察是将生成的多视图分布和重建的多视图分布均对齐至真实多视图分布，从而为改进CVC奠定原则基础。观察到生成图像CVC较弱，而重建图像因显式渲染显示出强CVC，我们提出一种软硬对齐策略，为生成和重建模型设定不同的目标。该方法不仅提升生成质量，还将推理速度显著加快至仅需4个步骤。作为即插即用范式，我们的方法（即AlignCVC）能够无缝集成 various 多视图生成模型与3D重建模型。大量实验表明AlignCVC在单图像到3D生成中具有有效性与效率。
引用
@article{arxiv.2506.23150,
title = {AlignCVC: Aligning Cross-View Consistency for Single-Image-to-3D Generation},
author = {Xinyue Liang and Zhiyuan Ma and Lingchen Sun and Yanjun Guo and Lei Zhang},
journal= {arXiv preprint arXiv:2506.23150},
year = {2025}
}