低于一秒的锐利单目视角合成
计算机视觉与模式识别
2026-03-02 v2 机器学习
摘要
我们提出了 SHARP，一种用于从单张图像实现逼真视角合成的方法。给定单张照片，SHARP 通过神经网络的单次前向传播，在标准 GPU 上用不到一秒的时间内对描绘场景的 3D 高斯表示参数进行回归。由 SHARP 生成的 3D 高斯表示可实时渲染，生成高分辨率逼真图像，支持局部视角。该表示具有度量特征，具备绝对尺度，支持度量相机运动。实验结果表明，SHARP 在多个数据集上实现了稳健的零样本泛化。相较于最佳先前模型，LPIPS 降低 25-34%，DISTS 降低 21-43%，合成时间降低了三个数量级。代码和模型权重已提供至 https://github.com/apple/ml-sharp
引用
@article{arxiv.2512.10685,
title = {Sharp Monocular View Synthesis in Less Than a Second},
author = {Lars Mescheder and Wei Dong and Shiwei Li and Xuyang Bai and Marcel Santos and Peiyun Hu and Bruno Lecouat and Mingmin Zhen and Amaël Delaunoy and Tian Fang and Yanghai Tsin and Stephan R. Richter and Vladlen Koltun},
journal= {arXiv preprint arXiv:2512.10685},
year = {2026}
}
备注
Published at ICLR 2026. Code and weights available at https://github.com/apple/ml-sharp