只需2张图片，无需测量任何额外数据——

当当，一个完整的3D小熊就有了：

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

这个名为DUSt3R的新工具，火得一塌糊涂，才上线没多久就登上GitHub热榜第二。

有网友实测，拍两张照片，真的就重建出了他家的厨房，整个过程耗时不到2秒钟！

（除了3D图，深度图、置信度图和点云图它都能一并给出）

惊得这位朋友直呼：

大伙先忘掉sora吧，这才是我们真正看得见摸得着的东西。

实验显示，DUSt3R在单目/多视图深度估计以及相对位姿估计三个任务上，均取得SOTA。

作者团队（来自芬兰阿尔托大学+N*ER LABS人工智能研究所欧洲分所）的“宣语”也是气势满满：

我们就是要让天下没有难搞的3D视觉任务。

所以，它是如何做到？

“all-in-one”

对于多视图立体重建（MVS）任务来说，第一步就是估计相机参数，包括内外参。

这个操作很枯燥也很麻烦，但对于后续在三维空间中进行三角测量的像素不可或缺，而这又是几乎所有性能比较好的MVS算法都离不开的一环。

在本文研究中，作者团队引入的DUSt3R则完全采用了截然不同的方法。

它不需要任何相机校准或视点姿势的先验信息，就可完成任意图像的密集或无约束3D重建。

在此，团队将成对重建问题表述为点图回归，统一单目和双目重建情况。

在提供超过两张输入图像的情况下，通过一种简单而有效的全局对准策略，将所有成对的点图表示为一个共同的参考框架。

如下图所示，给定一组具有未知相机姿态和内在特征的照片，DUSt3R输出对应的一组点图，从中我们就可以直接恢复各种通常难以同时估计的几何量，如相机参数、像素对应关系、深度图，以及完全一致的3D重建效果。

（作者提示，DUSt3R也适用于单张输入图像）

具体网络架构方面，DUSt3R基于的是标准Transformer编码器和解码器，受到了CroCo（通过跨视图完成3D视觉任务的自我监督预训练的一个研究）的启发，并采用简单的回归损失训练完成。

如下图所示，场景的两个视图（I1，I2）首先用共享的ViT编码器以连体（Siamese）方式进行编码。

刺鸟创客

一款专业高效稳定的AI内容创作平台

110 查看详情

所得到的token表示（F¹和F²）随后被传递到两个Transformer解码器，后者通过交叉注意力不断地交换信息。

最后，两个回归头输出两个对应的点图和相关的置信图。

重点是，这两个点图都要在第一张图像的同一坐标系中进行表示。

多项任务获SOTA

实验首先在7Scenes（7个室内场景）和Cambridge Landmarks（8个室外场景）数据集上评估DUSt3R在绝对姿态估计任务上性能，指标是平移误差和旋转误差（值越小越好）。

作者表示，与现有其他特征匹配和端到端方法相比，DUSt3R表现算可圈可点了。

因为它一从未接受过任何视觉定位训练，二是在训练过程中，也没有遇到过查询图像和数据库图像。

其次，是在10个随机帧上进行的多视图姿态回归任务。结果DUSt3R在两个数据集上都取得了最佳效果。

而单目深度估计任务上，DUSt3R也能很好地hold室内和室外场景，性能优于自监督基线，并与最先进的监督基线不相上下。

在多视图深度估计上，DUSt3R的表现也可谓亮眼。

以下是两组官方给出的3D重建效果，再给大伙感受一下，都是仅输入两张图像：

（一）

（二）

网友实测：两张图无重叠也行

有网友给了DUSt3R两张没有任何重叠内容的图像，结果它也在几秒内输出了准确的3D视图：

（图片是他的办公室，所以肯定没在训练中见过）

对此，有网友表示，这意味着该方法不是在那进行“客观测量”，而是表现得更像一个AI。

除此之外，还有人好奇当输入图像是两个不同的相机拍的时，方法是否仍然有效？

有网友还真试了，答案是yes!

传送门：
[1]论文https://arxiv.org/abs/2312.14132 
[2]代码https://github.com/n*er/dust3r

以上就是两张图2秒钟3D重建！这款AI工具火爆GitHub，网友：忘掉Sora的详细内容，更多请关注其它相关文章！

# 数据  # sora  # 两张  # 这款  # 是在  # 模型  # 资阳网站优化代理商  # 网站推广策划书的启发  # 甘孜网站建设外包  # 武汉网站建设路  # 餐饮视觉网站建设方案  # 怎么能学好seo  # 葫芦岛网站推广价格  # 安顺网站建设平台  # 宜昌房地产网站推广方案  # 河南网站建设团队招聘  # 参数设置  # 结构化  # 如下图  # 开源  # 室外  # 所示  # 法相 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 科技型企业成长＂十步法＂  爱玛电动车power模式是什么意思  空调主板单片机怎么拆开  如何进入cmd命令行  问一下市盈率是什么意思  迅达热水器显示power是什么意思  汽车的type-c接口是什么  nfc近场通讯功能是什么意思  固态硬盘如何判断大小  夸克解压什么意思  固态硬盘2m如何修复  j*a数组对象怎么取  市盈率ttm市盈动静是什么意思  单片机加法程序怎么写  苹果16有哪些变化尺寸  区块链的热闹将何去何从？  油烟机上的power是什么意思  typescript接口怎么选  typescript中如何定义json  5G类似微信的聊天软件有哪些  为什么ai老是说链接面板中缺少某些文件  夸克po什么意思  云淡风轻什么意思  vi命令如何使用方法  如何提高固态硬盘性能  typescript怎么使用map  固态硬盘如何显示  ssd固态硬盘如何安装  gs是什么意思  early什么意思  typescript中范围如何设定  如何辨别固态硬盘坏块  calm是什么意思  python如何命令行换行  j*a怎么保存到数组  16苹果有哪些机型  bc是什么意思  位置控制单片机怎么用的  安全的ao3镜像网站链接入口  折叠屏手机哪个卖得最好  折叠屏手机哪个有性价比  华为的nfc功能是什么意思  j*a怎么存放数组中  access 如何输入命令  望远镜上power是什么意思  12306退票手续费最新规定  阿里云盘扩容是什么_扩容阿里云盘方法是什么教程  j*a数组元素怎么用  awful是什么意思  一分钟等于多少秒