EvalMVX：基于多视图设置的神经 3D 重建统一基准
计算机视觉与模式识别
2026-03-05 v2
摘要
近期神经表面重建的进展显著提升了 3D 重建效果。然而，当前实际数据集主要聚焦于基于 RGB 输入的多视图立体 (MVS) 基准测试。尽管多视图光度立体 (MVPS) 和多视图偏振形状 (MVSfP) 在高保真度表面重建和稀疏输入方面至关重要，但尚未与 MVS 一起进行量化评估。为确定不同 MVX (MVS、MVSfP 和 MVPS) 技术的适用范围，本文提出 EvalMVX，一个包含 个物体的数据集，每个物体均使用偏振相机在 个不同视角下捕获， 种光照条件包括 OLAT 和自然照明，总计 张图像。每个物体均包括对齐的 ground-truth 3D 网格，便于对 MVX 方法进行同步的定量基准测试。基于我们的 EvalMVX，我们评估了近年来发布的 种 MVX 方法，记录了表现最佳的方法，并在不同几何细节和反射率类型下识别出开放问题。我们希望 EvalMVX 及其基准结果能激发未来在多视图 3D 重建方面的研究。
引用
@article{arxiv.2602.24065,
title = {EvalMVX: A Unified Benchmarking for Neural 3D Reconstruction under Diverse Multiview Setups},
author = {Zaiyan Yang and Jieji Ren and Xiangyi Wang and zonglin li and Xu Cao and Heng Guo and Zhanyu Ma and Boxin Shi},
journal= {arXiv preprint arXiv:2602.24065},
year = {2026}
}