ArtifactWorld：通过视频生成模型扩展 3D 高斯溅写修复
计算机视觉与模式识别
2026-04-15 v1
摘要
3D 高斯溅写（3DGS）提供高保真实时渲染，但在稀疏视图约束下 suffer from 几何和光学退化。当前的生成式修复方法常受限于temporal coherence 不足、缺乏显式空间约束以及缺乏大规模训练数据，导致多视图不一致、几何幻觉错误以及对多样化真实世界 artifact 分布的泛化能力有限。为此，本文提出 ArtifactWorld，一个通过系统性数据扩充和同质双模型范式解决 3DGS artifact 修复的框架。为缓解数据瓶颈，我们建立了 3DGS artifacts 的细粒度现象分类学，并构建了 107.5K 条多样化成对视频剪辑的全面训练集以增强模型鲁棒性。从架构上看，我们将修复过程统一到 video diffusion 主干网络中，利用等距预测器通过 artifact heatmap localizes 结构缺陷。该 heatmap 然后通过 Artifact-Aware Triplet Fusion mechanism 指导修复，实现在 native self-attention 中的精确、强度导向的时空修复。广泛的实验表明，ArtifactWorld 在稀疏新视图合成和稳健 3D 重建中实现了最新性能。代码和数据集将公开。
关键词
引用
@article{arxiv.2604.12251,
title = {ArtifactWorld: Scaling 3D Gaussian Splatting Artifact Restoration via Video Generation Models},
author = {Xinliang Wang and Yifeng Shi and Zhenyu Wu},
journal= {arXiv preprint arXiv:2604.12251},
year = {2026}
}
备注
The second author is the corresponding author