Pano3DComposer：从单全景图像生成可调和的 3D 场景
计算机视觉与模式识别
2026-03-09 v1
摘要
当前的构式图像到 3D 场景生成方法通过耗时的迭代布局优化或僵化的联合物体-布局生成来构建 3D 场景。且大多数方法依赖有限视野的透视图像，限制了对完整 360° 环境的创建。为此，我们设计 Pano3DComposer，一个针对全景图像的高效前馈框架。为将物体生成与布局估计解耦，我们提出了即插即用的对象-世界转换预测器。该模块将由 off-the-shelf 图像到 3D 模型生成的局部坐标下的 3D 物体转换为世界坐标。为实现这一目标，我们改进 VGGT 架构，通过目标物体裁剪、多视角物体渲染和相机参数来预测转换。该预测器使用伪几何监督进行训练，以解决生成物体与真实物体之间的形状差异。对于来自未见域的输入图像，我们进一步引入粗到细（C2F）对齐机制，以反馈场景渲染迭代细化几何一致性。我们的方法在合成数据和真实世界数据集上实现了优异的几何精度。它可在约 20 秒内生成高保真度的 3D 场景。项目页面：https://qiuzidian.github.io/pano3dcomposer-page/。
引用
@article{arxiv.2603.05908,
title = {Pano3DComposer: Feed-Forward Compositional 3D Scene Generation from Single Panoramic Image},
author = {Zidian Qiu and Ancong Wu},
journal= {arXiv preprint arXiv:2603.05908},
year = {2026}
}
备注
Accepted to CVPR 2026. Project page: https://qiuzidian.github.io/pano3dcomposer-page/