浙江大学、腾讯混元与复旦大学研究者在2026年10月13日提交的arXiv论文中，提出生成式多视角重建框架WorldRecon，用无序、稀疏的室内RGB图像恢复完整的大尺度三维场景网格。原始论文
WorldRecon先利用重建模型估计相机位姿，并生成带噪的全局点云作为结构支架，再把场景划分为相互重叠的空间区块。模型通过邻域感知的潜变量修复和逐块生成机制，把结构、几何与材质上下文在区块之间传递，目标是减少局部重建之间的不连续。与单纯依赖可见表面的重建方法相比，这一路线尝试对未被充分拍摄的区域进行生成式补全，但补全结果仍需接受真实采集数据的约束。
论文报告，在合成室内场景上，WorldRecon相较最强基线将Chamfer距离降低14.9%，F-score提高17.3%；在ScanNet++真实室内场景上，Chamfer距离降低43.1%，F-score提高12.0%。论文摘要未将这些结果表述为通用场景下的性能保证，且评测主要围绕室内三维重建展开，因此不宜直接外推到室外环境、动态场景或任意手机照片。
这项工作的意义在于，它把计算机视觉中的多视角重建与三维生成模型结合起来：前者提供几何和相机约束，后者负责补足稀疏观测下的表面与材质信息。若结果能在更多设备、光照和场景尺度上复现，可能降低数字孪生、虚拟制作和机器人仿真中的场景采集成本。不过，生成式补全也带来“看起来合理但并非真实存在”的风险，实际应用仍需要可观测区域误差、不可见区域置信度和跨场景泛化能力等指标共同验证。
目前该信息来自2026年10月13日提交的arXiv预印本，尚不能等同于经过完整同行评审或商业产品验证的结论。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
