从视觉数据生成数字孪生：综述
计算机视觉与模式识别
2026-02-18 v2
摘要
本综述检阅了近期从视觉数据生成数字孪生的最新进展。这些数字孪生——物理资产的虚拟3D副本——可应用于机器人、媒体内容创建、设计或施工工作流程。我们分析了包括3D高斯点 splatting、生成式填充、语义分割和基础模型等多种方法，概述其各自的优势与局限。此外，我们讨论了关键挑战，如遮挡、光照变化和可扩展性，还指出了研究中的空白、趋势以及未来研究方向。总体而言，本综述旨�提供对最新方法及其实际应用影响的全面概览。Awesome Digital Twin: https://awesomedigitaltwin.github.io
引用
@article{arxiv.2504.13159,
title = {Digital Twin Generation from Visual Data: A Survey},
author = {Andrew Melnik and Benjamin Alt and Giang Nguyen and Artur Wilkowski and Maciej Stefańczyk and Qirui Wu and Sinan Harms and Helge Rhodin and Manolis Savva and Michael Beetz},
journal= {arXiv preprint arXiv:2504.13159},
year = {2026}
}