稀疏视角三维重建：最新进展与开放挑战

稀疏视角三维重建是稀密图像获取不可行的应用场景中的关键技术，如机器人、增强/虚拟现实 (AR/VR) 和自动驾驶系统。在这些场景中，最小的图像重叠会导致可靠的对应匹配失败，导致传统方法（如结构从运动 (SfM) 和多视图立体 (MVS)）失效。本综述回顾了最新的神经隐式模型（如 NeRF 及其正则化版本）、基于显式点云的方法（如 3D 高斯溅射）以及利用扩散和视觉基础模型 (VFM) 先验的混合框架。我们分析了如何通过几何正则化、显式形状建模和生成式推断来缓解稀疏视角下出现的漂浮物和位姿歧义等伪影。对标准基准的比较结果揭示了重建精度、效率和泛化性之间的关键权衡。与以往综述不同，本综述提供了关于几何方法、神经隐式方法和生成式（扩散）方法的统一视角。我们指出在域泛化和无位姿重建方面仍存在的挑战，并概述了未来发展方向，包括开发 3D 原生生成式先验、实现实时且不受约束的稀疏视角重建。