CloseUpShot：基于点条件扩散模型的稀疏视图近距离新视角合成
计算机视觉与模式识别
2025-11-18 v1
摘要
从稀疏输入视图重建3D场景并合成新视角是一项极具挑战性的任务。近期视频扩散模型的进展显示，其在时序推理方面具有强大的能力，成为提升稀疏视图下重建质量的有前景的工具。然而，现有方法主要针对视角变化有限的场景设计，由于输入信息严重受限，难以捕捉近距离场景中的细粒度细节。本文提出了一种基于点条件视频扩散的稀疏输入近距离新视角合成框架，称为CloseUpShot。具体而言，我们发现近距离场景下像素级 warping 条件存在严重的稀疏性和背景泄漏问题。为此，我们提出了分层 warping 和基于遮挡的噪声抑制，增强了视频扩散模型条件图像的质量和完整性。此外，我们引入全局结构引导，利用密集融合点云为扩散过程提供一致的几何上下文，以弥补稀疏条件输入缺乏全局一致3D约束的不足。在多个数据集上进行的大量实验表明，我们的方法在近距离新视角合成方面优于现有方法，充分验证了我们设计的有效性。
引用
@article{arxiv.2511.13121,
title = {CloseUpShot: Close-up Novel View Synthesis from Sparse-views via Point-conditioned Diffusion Model},
author = {Yuqi Zhang and Guanying Chen and Jiaxing Chen and Chuanyu Fu and Chuan Huang and Shuguang Cui},
journal= {arXiv preprint arXiv:2511.13121},
year = {2025}
}
备注
Project Link: https://zyqz97.github.io/CloseUpShot/