# 三维场景重建

该工作改造以物体为中心的三维生成器 Trellis 2，用随相机距离变化的自适应分块、把图像特征提升到可见表面并区分自由空间与遮挡区的显式二维—三维条件，以及约 4000 个合成室外场景的监督，从单张图像生成完整场景网格；在 Tanks and Temples、ScanNet++ 与 121 张野外图像上，几何精度与感知质量均优于全部基线。

该工作改造以物体为中心的三维生成器 Trellis 2，用随相机距离变化的自适应分块、把图像特征提升到可见表面并区分自由空间与遮挡区的显式二维—三维条件，以及约 4000 个合成室外场景的监督，从单张图像生成完整场景网格；在 Tanks and Temples、ScanNet++ 与 121 张野外图像上，几何精度与感知质量均优于全部基线。

Mira-Scene 提出一种组合式单图三维场景重建框架，用像素对齐的规范坐标图（CCM）与单目几何估计得到的场景点云图（PCM）构成稠密且有界的对应关系，再通过鲁棒几何对齐恢复物体变换，并用多模态扩散 Transformer 联合生成物体几何与 CCM；在室内、室外、合成与真实场景上，其布局精度优于强基线，在 BlendSwap 上相对 SAM3D 取得 39.8% 的 3D-IoU 与 16.5% 的 2D-IoU 相对提升，且仅使用有限的开源训练数据。

Mira-Scene 提出一种组合式单图三维场景重建框架，用像素对齐的规范坐标图（CCM）与单目几何估计得到的场景点云图（PCM）构成稠密且有界的对应关系，再通过鲁棒几何对齐恢复物体变换，并用多模态扩散 Transformer 联合生成物体几何与 CCM；在室内、室外、合成与真实场景上，其布局精度优于强基线，在 BlendSwap 上相对 SAM3D 取得 39.8% 的 3D-IoU 与 16.5% 的 2D-IoU 相对提升，且仅使用有限的开源训练数据。