ObjFiller3D：扩展到稠密多视角一致性的 3D 物体填充
计算机视觉与模式识别
2026-05-28 v2
摘要
3D 物体填充通常通过多视角 2D 图像完成实现，然而独立填充的视角常常存在跨视角不一致，导致重建的 3D 物体出现模糊纹理、几何断裂和视觉瑕疵。为克服这些限制，我们提出了 ObjFiller-3D，这是一种用于完成和编辑高质量且一致的 3D 物体的新方法。不依赖稀疏视角编辑或逐视角 2D 填充，我们的方法联合优化沿 轨迹的稠密采样视角，实现视角间的全局一致性。我们设计了三个互补组件：用于建模稠密视角依赖关系的时序驱动生成编码器、用于对象级别填充的语义感知完成编码器，以及通过闭环公式实现全局一致性的循环一致 3D 编码器。我们的框架还支持参考引导的 3D 填充，允许对外观进行细粒度控制。广泛的实验在多样化数据集上表明，ObjFiller-3D 显著优于先前方法，在恢复保真度（PSNR 26.6 对比 NeRFiller 的 15.9）和感知质量（LPIPS 0.19 对比 Instant3dit 的 0.25）方面取得更好结果，同时将恢复时间从超过 40 分钟缩短到 10 分钟以下。这些结果凸显了该方法在实际 3D 编辑应用中的有效性和实用潜力。项目页面：https://objfiller3d.github.io/ 代码：https://github.com/objfiller3d/ObjFiller-3D
引用
@article{arxiv.2508.18271,
title = {ObjFiller3D: Scaling 3D Object Inpainting to Dense Multi-View Consistency},
author = {Haitang Feng and Xinkai Chen and Jie Liu and Jie Tang and Gangshan Wu and Beiqi Chen and Jianhuang Lai and Guangcong Wang},
journal= {arXiv preprint arXiv:2508.18271},
year = {2026}
}
备注
Project page: https://objfiller3d.github.io/ Code: https://github.com/objfiller3d/ObjFiller-3D