从无到全：基于新视角合成的自监督 3D 重建
计算机视觉与模式识别
2026-03-31 v1
摘要
本文介绍了 NAS3R，一个自监督的前馈框架，能够从无地面真值标注和无预训练先验条件下联合学习显式的 3D 几何和相机参数。训练期间，NAS3R 从未标定且未定位的上下视图中重建 3D 高斯，并使用自预测相机参数渲染目标视图，从而实现基于 2D 光度监督的自监督训练。为确保稳定收敛，NAS3R 将重建和相机预测集成到共享的变压器主干网络中，通过掩码注意力进行调节，采用基于深度的高斯公式以促进良好的条件优化。该框架与最先进的监督 3D 重建架构兼容，可整合预训练的先验或固有信息。广泛的实验表明，NAS3R 的结果优于其他自监督方法，建立了一个来自无约束数据的几何感知的 3D 重建范式。代码和模型可在 https://ranrhuang.github.io/nas3r/ 上公开获取。
引用
@article{arxiv.2603.27455,
title = {From None to All: Self-Supervised 3D Reconstruction via Novel View Synthesis},
author = {Ranran Huang and Weixun Luo and Ye Mao and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2603.27455},
year = {2026}
}