UniQueR：基于统一查询的前馈式三维重建
计算机视觉与模式识别
2026-03-25 v1 人工智能
摘要
我们提出 UniQueR，一个用于从未对准图像进行高效且准确三维重建的统一查询基方法。现有的前馈模型如 DUSt3R、VGGT 和 AnySplat 通常预测每个像素的点图或像素对齐的高斯分布，这些方法本质上仍是2.5维且仅限于可见表面。相比之下，UniQueR 将重建问题形式化为稀疏三维查询推断问题。我们的模型学习一组紧凑的三维锚定点，作为显式几何查询，使网络能够在单次前向传播中推断场景结构，包括遮挡区域的几何信息。每个查询直接在全局三维空间（而非每个帧的相机空间）中编码空间和外观先验，并生成一组三维高斯用于可微分渲染。通过利用跨多视角特征的统一查询相互作用和解耦的注意力设计，UniQueR 在保持强几何表达力的同时，显著降低了内存和计算成本。在 Mip-NeRF 360 和 VR-NeRF 上的实验表明，UniQueR 在渲染质量和几何精度方面均优于最先进的前馈方法，且使用的数据原语数量是稠密方法的数量级。
引用
@article{arxiv.2603.22851,
title = {UniQueR: Unified Query-based Feedforward 3D Reconstruction},
author = {Chensheng Peng and Quentin Herau and Jiezhi Yang and Yichen Xie and Yihan Hu and Wenzhao Zheng and Matthew Strong and Masayoshi Tomizuka and Wei Zhan},
journal= {arXiv preprint arXiv:2603.22851},
year = {2026}
}