#3D重建

这个工具箱支持X光新视角合成（NVS）和计算机断层扫描（CT）重建，包含9种前沿算法：6种基于NeRF，2种基于优化，1种为分析方法。此外，提供了可视化代码和数据生成代码，支持科研工作。用户可以下载预训练模型和训练日志进行测试和调试，并生成自己的CT数据。详情请访问项目仓库。

探索一种创新技术，通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建，解决了文字转图像模型中的视角歧义问题，并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布，以及详细的使用和训练指南，支持研究者和开发者在现有硬件上进行开发和测试。

Instant-angelo项目旨在在20分钟内实现高保真的数字孪生三维重建，特别适合移动设备捕获的RGB视频。通过使用UniSDF等技术，能够逼真地重建反射物体。项目支持平滑和细节重建模式，分别适用于简单和复杂表面。提供详细的安装和数据准备指南，并支持自定义数据集。了解如何高效地完成高质量神经表面的重建，体验快速稳定的三维模型生成。

ICON项目利用法线预测实现穿衣人体的隐含表达，从RGB图像生成高细节的3D模型，包括衣服和人体网格。项目支持多种基于PyTorch的模型，适合不同训练和评估需求。最新发布的ECON在此基础上进一步改进了功能。

ScanNet是一个丰富的RGB-D视频数据集，包含超过1500次扫描和2.5百万个视图，包括3D相机姿态、表面重建和实例级语义分割标签。用户需通过机构邮箱填写使用协议以下载数据。数据按RGB-D序列组织，包含多种格式的重建网格和注释文件。附带工具有ScanNet C++工具包、相机参数估计代码和网格分割代码。本数据集支持多项场景理解基准任务，并提供相关代码与文档。

Make-It-3D项目利用训练良好的2D扩散模型，从单个图像生成高质量3D内容。方法采用两阶段优化流程，先优化神经辐射场整合正视图和新视角的扩散先验，后将粗略模型转化为纹理点云并提升现实感。实验显示，该方法在视觉质量和重建准确性上大幅领先，并支持文本到3D创建和纹理编辑等应用。

Wonder3D是一个开源的3D重建项目，采用跨域扩散技术从单一图像生成高质量3D模型。该方法首先生成多视图法线贴图和彩色图像，然后通过法线融合实现快速重建。项目提供了推理和训练代码，支持自定义数据训练，并包含使用说明和演示。Wonder3D在重建速度和质量上均有优势，为3D内容创作提供了高效解决方案。

Toon3D是一个开源项目，致力于将非几何一致性场景（如卡通）重建为3D模型。该项目利用少量2D卡通图像，通过自定义的SfM（Structure from Motion）流程实现3D重建。Toon3D提供了完整的数据处理、标注和重建工具链，使研究人员和开发者能够轻松探索和应用这一创新技术。项目的成果为计算机视觉、动画制作和游戏开发等领域开辟了新的研究方向。

Neuralangelo是一个开源项目，专注于从图像重建高精度3D表面模型。该项目利用深度学习方法，提供了完整的代码实现，包括数据预处理、模型训练和网格提取功能。Neuralangelo在复杂场景重建中表现优异，适用于计算机视觉和图形学研究。项目文档包含详细使用说明和常见问题解答，便于研究人员快速上手。

4DGaussians是一种用于实时渲染动态场景的新技术。该方法使用4D高斯函数对动态场景进行建模,具有快速收敛和实时渲染的特点。项目支持合成场景、真实动态场景和多视角场景等多种数据集,并提供完整的训练、渲染和评估流程。4DGaussians在动态场景重建和渲染方面的进展,为计算机视觉和图形学领域开辟了新的研究方向。

Neural-Gauge-Fields项目提出创新3D场景表示方法，通过学习UV映射和三平面投影实现灵活纹理编辑和高效渲染。项目引入InfoInv技术，提升基于网格和MLP的神经场性能。这一方法为3D视图合成、场景编辑和表面重建提供新工具，在计算机图形学和视觉领域展示应用前景。

这个项目汇集了神经隐式表示和NeRF在机器人领域的应用论文，涵盖物体姿态估计、SLAM、操作学习、物体重建、物理模拟和导航规划等方向。它为研究人员和工程师提供了解该交叉领域最新进展的综合资源。

splatter-image是一个3D重建开源项目，能从单一图像快速生成物体的3D模型。它兼容Objaverse、ShapeNet和CO3D等多个数据集，并提供在线演示。项目使用高斯点云渲染技术，在多类别ShapeNet数据集上表现出色。安装过程简单，支持多GPU训练，无需预处理相机姿态数据。

BAD-Gaussians是一种创新的3D场景重建方法，结合束调整和高斯散射技术，有效处理运动模糊图像。该方法不仅能实现高质量的图像去模糊，还可合成新视角场景。基于nerfstudio框架实现，BAD-Gaussians支持多种数据集和训练模式，为计算机视觉和图形学研究提供了有力工具。

Total-Recon是一种可变形场景重建系统,能从RGBD传感器拍摄的长视频中重建场景几何、外观和物体运动。该系统支持从新视角渲染场景,包括第一人称和第三人称跟随视角,并提供3D视频滤镜功能。这项技术为沉浸式视角合成和增强现实应用提供了基础支持。

Real3D是一种创新的大规模3D重建模型系统，首次实现了使用单视图真实图像进行训练。该系统采用自训练框架，结合3D/多视图合成数据和单视图真实图像，并引入两种无监督损失函数，实现像素和语义层面的模型监督。在包含真实和合成数据、域内和域外形状的四种评估场景中，Real3D均显著优于现有方法。

TripoSR是Tripo AI和Stability AI合作开发的开源3D重建模型，基于大型重建模型(LRM)原理，能从单张图像快速生成3D模型。在NVIDIA A100 GPU上，处理时间不到0.5秒。该模型在多个公共数据集上表现出色，为3D内容创作和研究提供了高效工具。

OnePose++是一种目标姿态估计方法，无需CAD模型和预定义关键点。该方法通过结构光重建和深度学习，实现单次拍摄即可估计物体姿态。项目提供训练、推理和演示代码，支持OnePose和OnePose_LowTexture数据集，可扩展至LINEMOD数据集。OnePose++在计算机视觉和机器人领域有潜在应用价值。

Era3D是一个高分辨率多视图扩散模型，采用高效行注意力机制生成3D内容。该模型可从单张图像创建多视角数字人像，包括色彩和法线图像。项目开源了实现代码、预训练权重，并提供在线演示。Era3D在保持输出质量的同时提高了计算效率，为3D内容创作和计算机视觉研究提供了实用工具。

Stable Fast 3D是一个开源的3D重建模型，可从单张图像快速生成3D网格。该模型基于TripoSR，改进了网格和纹理生成，并引入UV展开和光照分离技术。它不仅生成高质量3D资产，还保持快速推理速度。模型支持自定义纹理分辨率和重网格化，适用于游戏开发等领域。用户可通过命令行或Gradio应用使用这一工具。

这个项目整理了6D物体姿态估计、单视图3D物体重建和3D手-物体姿态估计领域的重要资源。内容包括arXiv论文、期刊会议论文、学位论文、数据集、研讨会和挑战赛信息。资源按年份和会议分类,涵盖2014年至今的研究进展,为相关研究人员提供了全面的参考。

arxiv-daily是一个自动化arXiv论文摘要更新系统。该项目每日整理3D视觉、点云匹配、目标跟踪等领域的最新论文。用户可定制关键词筛选感兴趣的论文，实现高效的学术前沿追踪。系统支持历史数据查询功能，为研究人员提供便捷的文献管理平台。通过arxiv-daily,科研工作者可以轻松掌握学术动态,提升科研效率。

GaussianFlow项目提出了一种4D内容创作方法，结合高斯动态与点云渲染技术。该项目利用优化的CUDA实现高效计算高斯流，并采用特定的梯度计算策略提高训练速度。这一方法为动态场景建模和渲染提供了新的解决方案，可应用于虚拟现实、增强现实和计算机图形学等领域。

Gaussian Opacity Fields (GOF) 是一种新型表面重建方法，通过3D高斯分布识别几何信息。该方法使用正则化技术提高重建质量，并采用Marching Tetrahedra算法进行网格提取。GOF在无界场景中实现了高效、高质量的表面重建，为计算机视觉和图形学提供了创新解决方案。GOF方法特别适用于复杂的无界场景重建，如大规模室外环境或动态物体的表面重建。相比传统方法，GOF在处理速度和内存占用方面都有显著优势。

ObjectSDF++是物体组合式神经隐式表面重建技术的改进版本。该技术通过引入遮挡感知的不透明度渲染公式和物体区分正则化项，提高了实例掩码监督的利用效率，从而在场景和物体层面实现更精确的表面重建。项目提供了适用于Replica和ScanNet数据集的训练和评估代码，为3D场景理解和重建研究提供了新的工具。

DG-Mesh是一个从单目视频重建高保真度时序一致网格的框架。它能够重建高质量的表面、外观和跨时间帧的网格顶点运动，支持灵活的拓扑变化，并能处理鸟翼等细结构。项目包含多个数据集的训练和评估代码，以及自定义数据集支持。

NDR是一种基于神经网络的动态场景表面重建方法，利用单目RGB-D相机数据恢复高保真几何、运动和外观。该技术无需模板，适用于复杂场景重建。NDR在NeurIPS 2022会议获得Spotlight展示，体现了其在3D视觉领域的创新性。项目提供开源代码和数据集，为相关研究提供参考。

LaRa项目开发了创新的大基线辐射场技术，提高了3D重建效率和质量。通过支持半精度训练，该技术实现了收敛速度提升100%以上，性能增益约1.5dB。LaRa能从多视图、文本和单视图输入重建辐射场，在计算效率和重建质量方面取得了显著进展，为3D重建和渲染领域开辟了新途径。

GTSfM是一个基于GTSAM的开源结构运动恢复(SfM)管线，专为并行计算设计。它利用Dask实现分布式处理，集成了SuperPoint和SuperGlue等先进算法。GTSfM提供Python接口，无需编译即可使用。该项目支持多种场景重建任务，可与Nerfstudio等工具集成，为计算机视觉领域提供了灵活高效的解决方案。

MuRF是一种新型多基线辐射场技术，支持多种基线设置，在各类评估条件下表现卓越。该项目在三维场景重建领域取得突破，推动了计算机视觉和图形学的发展。MuRF在DTU、RealEstate10K和LLFF等数据集上展现出优异性能，为相关研究和应用提供了新思路。

dust3r是一个开源的3D视觉重建项目，旨在简化几何3D视觉处理。该项目提供了一个能够从多张图像重建3D场景的模型。dust3r包含交互式演示功能、API接口和多个预训练模型，可适应不同分辨率和应用场景。项目还提供了训练指南和数据集预处理脚本，方便研究人员进行自定义开发。

BundleSDF是一种创新的计算机视觉方法，能够从单目RGBD视频序列中实现未知物体的6自由度跟踪和3D重建。该方法基于神经网络技术，适用于各种刚体物体，包括缺乏视觉纹理的情况。通过结合神经物体场和位姿图优化，BundleSDF能够将信息稳健地整合到一致的3D表示中，准确捕捉物体的几何形状和外观特征。这种方法能够有效处理大姿态变化、遮挡、无纹理表面和镜面高光等复杂场景。

instant-ngp是一个基于CUDA的开源框架,用于高效训练和渲染神经图形基元。该项目支持NeRF、SDF、神经图像和神经体积等多种基元,通过多分辨率哈希编码和tiny-cuda-nn实现快速训练。instant-ngp提供交互式GUI、VR模式和相机路径编辑等功能,便于探索和创建各类神经图形。此外,其Python接口支持自动化实验和功能扩展。

该项目实现并集成了多种先进算法到COLMAP中,以解决结构运动恢复中场景对称性和重复结构的问题。它重新实现了Yan、Cui和Kataria等人提出的方法。通过广泛实验分析发现,没有一种方法能在所有数据集上表现一致,大规模场景的参数调整仍具挑战性。该研究为进一步探索这一问题奠定了基础。

该项目整理了数字人领域的前沿研究和资源,包括3D人体重建、头部重建、动画生成等多个方向。内容涉及学术论文和工业应用,涵盖3D头像生成、服装建模、人体重塑等热点。为研究人员和开发者提供了解数字人技术最新进展的全面参考。

DiverseShot AI是一款专业的视频转3D高斯分布点云模型工具。它通过三步简化流程：多角度拍摄、AI训练处理、导出上传，将普通视频转化为浏览器可访问的逼真3D场景。该工具无需编码技能，为创作者提供了将日常视频转换为交互式3D内容的创新方法，适用于在线展示和虚拟现实等多种应用场景。用户可以轻松将现实世界的物体转化为沉浸式的3D体验，为各种在线展示和虚拟现实应用创造独特的视觉效果。