GenRecon 亮相：幾張照片重建大尺度 3D 場景，效果提升 16%

想把現實裡的房間搬進虛擬世界，以往要麼扛著幾萬塊的專業雷射掃描器，要麼圍著角落拍上幾百張照片，稍有遺漏渲染出來就會千瘡百孔。

研究人員公佈了一項名為 GenRecon 的新方法。只要拿普通相機或手機拍幾張稀疏的 RGB 照片，它就能直接重建出大尺度室內 3D 場景，效果比現有的前沿重建方法提升了 16%。

把大房間切成拼圖來生成

此前用生成式 AI 做 3D 資產，最大的障礙在於模型通常只能處理單個物體。椅子、雕像或玩具能做得極度逼真，可一旦換成整間客廳，計算複雜度便會迅速失控。

GenRecon 換了個非常聰明的切入點：它把整個大場景切分成多個相互重疊的區域性空間塊。

每一個區域性塊分別進行條件化 3D 生成，再通過邊緣重疊的部分保證空間連續性。這樣一來，原本侷限在單個物體上的生成能力，就順理成章地平鋪到了整個大房間。

借力 Trellis.2，照片直接變可編輯網格

除了分塊策略，GenRecon 還引入了頂尖生成模型 Trellis.2 的形狀先驗，並結合 DINOv3 進行特徵提取。

為了把普通照片精準變成空間幾何，研究人員設計了一套基於投影的條件機制。無論拍攝順序如何，它都能將帶有位姿的多視角影像特徵，提升並錨定到與生成模型完全對齊的 3D 表達中。

最終輸出的結果不是隻供觀看的點雲或輻射場，而是工業界直接能用的 PBR（基於物理渲染）多邊形網格。不管是房屋看房、展廳復刻還是虛擬漫遊，拿出來的模型天然具備材質和光照屬性，而且支援二次編輯。

為什麼重要

對獨立遊戲開發者、建築設計師和 VR 內容創作者來說，這相當於把空間資產數字化的門檻打到了地板上。你不再需要昂貴的三維掃描裝置，也不用手動清理破損的點雲網格，幾張隨手拍的照片就能換來現成的工業級資產底模。

對行業而言，GenRecon 填補了「單物體生成」與「場景級重建」之間的鴻溝。過去 NeRF 或 3D 高斯潑濺雖然能還原好看的視覺視角，但匯出的幾何網格往往粗糙甚至無法編輯；GenRecon 直接生成標準 PBR 網格，切中了下游製作管線最想要的東西。

我們認為，這一步最聰明的地方在於借力打力，沒有重頭去訓練一個無比龐大的場景大模型，而是靠重疊分塊把成熟的物體先驗放大到了空間尺度。不過，它依然依賴準確的相機位姿計算，如果輸入照片過於稀疏或缺乏有效重疊，拼接處是否會出現幾何畸變，仍然需要實際專案來檢驗。