Dehallu3D：通过循环视图一致性细化消除幻觉的单图像3D生成
计算机视觉与模式识别
2026-03-26 v2
摘要
大型3D重建模型已彻底变革了3D内容生成领域，使其在虚拟现实和游戏等领域获得了广泛应用。正如其他大型模型一样，大型3D重建模型也会产生幻觉现象，引入结构异常值（例如奇异孔洞或突出部），这些异常值偏离输入数据。然而，与其他大型模型不同，3D重建模型中的幻觉问题至今严重缺乏探索，导致制作的3D打印物体结构不完整，或在虚拟场景中沉浸感不足。这些幻觉主要源于现有方法是从稀疏生成的多视图图像中重建3D内容，而这些图像存在较大的视角间隙和不连续性。为消除异常值以缓解幻觉，我们提出了Dehallu3D用于3D网格生成。我们的核心思想是设计一种平衡的多视图连续性约束，以实现稠密中间视角之间平滑的过渡，同时避免过度平滑导致锋利几何特征被消除。因此，Dehallu3D采用一种即插即用优化模块，包含两个关键约束：（i）相邻一致性，用于确保跨视图的几何连续性，（ii）自适应平滑，用于保留细节。我们进一步提出了一种异常风险度量（ORM）指标，从异常值角度量化3D生成中的几何保真度。大量实验表明，Dehallu3D通过有效保留结构细节的同时去除幻觉异常值，实现了高保真度的3D生成。
引用
@article{arxiv.2603.01601,
title = {Dehallu3D: Hallucination-Mitigated 3D Generation from Single Image via Cyclic View Consistency Refinement},
author = {Xiwen Wang and Shichao Zhang and Hailun Zhang and Ruowei Wang and Mao Li and Chenyu Zhou and Qijun Zhao and Ji-Zhe Zhou},
journal= {arXiv preprint arXiv:2603.01601},
year = {2026}
}