UniPR：从单目立体对实现对象的统一实到仿感知与重建
计算机视觉与模式识别
2026-03-23 v1
摘要
从图像中感知和重建对象是实到仿转换任务中的关键任务，广泛应用于机器人社区。现有方法依赖检测、分割、形状重建和姿态估计等多个子模块完成整个流程。然而，这些模块化流程存在效率低下和累积误差问题，因为每个阶段仅处理部分或局部精炼信息，同时丢弃全局上下文。为此，我们提出UniPR，首个面向对象级别的实到仿感知与重建框架。直接 operating on single stereo image pair，UniPR利用几何约束解决尺度歧义。我们引入姿态感知形状表示，消除每类目标规范定义的需求，并桥接重建与姿态估计任务之间的差距。此外，我们构建了大型词汇立体数据集LVS6D，包含超过6,300个对象，以促进该领域的大规模研究。大量实验表明，UniPR在单个前向传递中并行重建场景中所有对象，实现了显著的效率提升，并在多样对象类型下保持真实物理比例，凸显其在实际机器人应用中的潜力。
引用
@article{arxiv.2603.19616,
title = {UniPR: Unified Object-level Real-to-Sim Perception and Reconstruction from a Single Stereo Pair},
author = {Chuanrui Zhang and Yingshuang Zou and ZhengXian Wu and Yonggen Ling and Yuxiao Yang and Ziwei Wang},
journal= {arXiv preprint arXiv:2603.19616},
year = {2026}
}