Pure：普通影片無需 3D 標註，就能直接重建動態三維環境

Pure 是一個剛開源的動態 3D 重建專案。只要給它一段普通的隨手拍影片或者一組連續照片，它就能直接還原出完整的三維環境，不需要你提前準備任何雷射雷達點雲，也不需要昂貴的 3D 真值標註。

它是怎麼做到的

傳統的 3D 重建模型非常依賴高質量的三維標註資料，但這類資料採集成本極高。Pure 換了一條非常取巧的路線：直接給現有的前向重建模型做「無標註後訓練」。

研究團隊拿來現成的 3D 骨幹網路（比如 Pi3、DA3 和 VGGT），直接餵給它們未經人工標註的日常普通影片。模型從這些連續畫面中自行提取單目深度、動態掩模以及跨幀幾何匹配特徵。換句話說，它是靠影片本身的連續運動和深度變化反推空間結構，把動態場景裡的幾何關係重新理順。

官方演示用一段摩托車騎行影片展示了效果。整整 2000 幀畫面被拆分成 128 幀的小切片逐步處理，畫面左下角即時生長出完整的俯瞰 3D 點雲地圖，重現了騎手穿過街道的整個三維軌跡。

上手門檻與當前限制

這個專案對個人開發者非常友好。整套模型權重和檔案的體積只有 13.2GB 左右，官方不僅開源了程式碼和模型權重，還把完整的訓練指令碼也一起放了出來。在專案主頁上點選頂部的 Code 按鈕，按照文件說明就能在本地電腦完成部署和執行。

不過目前它也有明顯的技術限制。主頁明確說明，這種重建採用的是離線時間累積，並不是毫秒級響應的即時因果重建。

另外，畫面中劇烈運動的物體依然可能出現鬼影現象，在官方演示中，部分拼接接縫依然能看出來（15 處接縫中有 7 處達到幾何閾值）。如果你打算把它用在對精細度要求極高的影視級渲染上，現在的效果可能還不夠完美。

為什麼重要

過去卡住動態 3D 重建的最大瓶頸，就是大家都在搶昂貴的 3D 訓練集。Pure 證明了普通甚至隨手拍的網路影片，只要利用好單目深度和運動線索，也能充當高質量的後訓練養料。

對於遊戲開發者、機器人環境建模以及具身智慧研究者來說，這套工具非常值得一試。13.2GB 的體量讓它在單機上就能跑通全流程，加上訓練指令碼的開放，團隊可以用自己的無標註影片進一步微調。雖然目前還有鬼影和離線處理的限制，但它為低成本空間資產生成撕開了一個極其實用的口子。