ArtSplat：从稀疏多状态未配准视角实现前馈式关节 Articulated 3D 高斯 Splatting
计算机视觉与模式识别
2026-05-26 v1 人工智能
摘要
从稀疏视角图像重建关节 articulated 对象是一个不确定的问题，需要同时推断几何和潜在关节结构。基于 NeRF 和 3D 高斯 Splatting (3DGS) 的现有关节对象重建方法通常依赖密集视角或强先验 (如深度图、关节类型、预定义关节数量)，并需进行高昂的 per-object 优化。本文提出 ArtSplat，即首个基于前馈框架的关节 Articulated 3D 高斯 Splatting。它能够在单次前向传递中从稀疏多视角图像跨越多个关节状态重建几何和关节参数。为解决单次关节重建的挑战，我们引入了 per-pixel 关节图表示，使关节参数估计能够集成到前馈管道中。我们进一步提出了基于状态 token 的 Cross-State Attention (CSA) 机制，有效捕获输入状态之间的离散运动。在 68 个来自 PartNet-Mobility 的关节对象上进行的实验表明，ArtSplat 在几何和关节估计方面均实现了与现有方法的竞争性能，同时速度快于基线 400 倍以上。
引用
@article{arxiv.2605.24304,
title = {ArtSplat: Feed-Forward Articulated 3D Gaussian Splatting from Sparse Multi-State Uncalibrated Views},
author = {Inseo Lee and Yoonji Kim and Eugene Sohn and Jiwoong Lee and Jungmin You and Joonseok Lee and Jin-Hwa Kim},
journal= {arXiv preprint arXiv:2605.24304},
year = {2026}
}