DualPrim：基于正负原始素子的紧凑 3D 重建
计算机视觉与模式识别
2026-03-18 v1
摘要
神经网络重建往往在结构与保真度之间进行权衡，导致密集且非结构化的网格，具有不规则的拓扑和弱的部件边界，阻碍编辑、动画和后续资产重用。我们提出 DualPrim，一个紧凑且结构化的 3D 重建框架。不同于仅使用显性或原始素子的方法，DualPrim 使用正负超椭圆体表示形状：前者构建基底，后者通过可微分算子在局部体积中进行雕刻，实现对孔洞和凹面的拓扑感知建模。这种加法-减法设计在不牺牲紧凑性和可微性的前提下，提高了表示能力。我们将 DualPrim 嵌入体积化可微渲染器中，从多视角图像中实现端到端学习，并通过闭形式布尔差分实现无缝网格导出。经验上，DualPrim 在准确率上达到最先进水平，生成紧凑、结构化且可解释的输出，满足下游需求优于仅使用加法方法的替代方案。
引用
@article{arxiv.2603.16133,
title = {DualPrim: Compact 3D Reconstruction with Positive and Negative Primitives},
author = {Xiaoxu Meng and Zhongmin Chen and Bo Yang and Weikai Chen and Weixiao Liu and Lin Gao},
journal= {arXiv preprint arXiv:2603.16133},
year = {2026}
}