S2D：稀疏到稠密提升，用于最少输入的 3D 重建
计算机视觉与模式识别
2026-03-12 v1
摘要
显式 3D 表示已经成为 3D 模拟和理解的重要介质。然而，最常用的点云和 3D 高斯溅射（3DGS）各自都 suffered from non-photorealistic rendering and significant degradation under sparse inputs。本文提出了稀疏到稠密提升（S2D），一种新型管道，将两种表示方法连接起来，并实现了最少输入下的高质量 3DGS 重建。具体而言，S2D 的提升包含两个方面。我们首先提出了一种高效的单步扩散模型，用于对稀疏点云进行高保真图像缺陷修复。同时，为实现从稀疏输入视图到稠密新视图的稳健模型拟合，我们还设计了相应的重建策略，采用随机采样丢弃和加权梯度。广泛的实验表明，S2D 在生成新视图引导和不同输入稀疏性下的稀疏视图重建质量方面取得了最佳一致性。通过在最少的捕获次数下实现稳定场景的重建，S2D 实现了 3DGS 应用的最低输入要求。
引用
@article{arxiv.2603.10893,
title = {S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs},
author = {Yuzhou Ji and Qijian Tian and He Zhu and Xiaoqi Jiang and Guangzhi Cao and Lizhuang Ma and Yuan Xie and Xin Tan},
journal= {arXiv preprint arXiv:2603.10893},
year = {2026}
}