TokenSplat：面向无姿态重建的令牌对齐 3D 高斯溅射
计算机视觉与模式识别
2026-03-03 v1
摘要
我们提出 TokenSplat，一个从未对准的多视图图像中进行 3D 高斯重建和相机姿态估计的前馈框架。其核心，TokenSplat 引入令牌对齐高斯预测模块，直接在特征空间中对齐跨视图的语义对应信息。受粗糟令牌位置和融合置信度指引，它聚合多尺度上下文特征，以实现长程跨视图推理并减少重叠高斯的冗余。为进一步增强姿态鲁棒性并消除视角线索与场景语义的耦合，TokenSplat 采用可学习的相机令牌和非对称双流解码器 (ADF-Decoder)，该解码器在相机令牌和图像令牌之间强制方向受约束的通信。这种做法保持了前馈架构中的干净分解，实现连贯的重建和稳定的姿态估计，而无需迭代细化。大量实验表明，TokenSplat 在无姿态设置下实现更高的重建保真度和新视角合成质量，同时显著优于先前无姿态方法在姿态估计精度方面的表现。项目页面：https://kidleyh.github.io/tokensplat/。
引用
@article{arxiv.2603.00697,
title = {TokenSplat: Token-aligned 3D Gaussian Splatting for Feed-forward Pose-free Reconstruction},
author = {Yihui Li and Chengxin Lv and Zichen Tang and Hongyu Yang and Di Huang},
journal= {arXiv preprint arXiv:2603.00697},
year = {2026}
}