3D 重建 AI

ReLift 从单目视频重建密集的 3D 点轨迹。它将 2D 跟踪器的输出与视频几何估计器相结合，以恢复点在空间中的移动方式。

管道使用估计的深度沿着相应的相机光线提升跟踪像素。学习的校正器可以修复几何错误并在点被遮挡时填充间隙。发布的检查点可以与多个受支持的跟踪器和几何体组合一起使用。

ReLift 对于独

PURE 可从视频片段或图像序列重建深度、相机姿态和彩色 3D 点云。其无标注后训练方法改进了包括 Pi3、Depth Anything 3 和 VGGT 在内的前馈重建主干。

研究人员和创作者可比较重建主干，并通过交互式工作室和已发布模型查看生成的几何结果。核心能力包括视频转 3D 重建、图像序列输入、深度估计和相机姿态恢复。<

Atlas 是 World Labs 的全方位世界模型，用于创建、重建和模拟空间环境。它结合了文本、图像、视频和 3D 上下文来生成视图和世界表征，支持创意场景开发以及对物理环境和体现智能的研究。

该模型是一个从头开始预训练的多模态自回归扩散 Transformer。输入被组织到一个共享的空间环境中，该环境以 3D 位置的观察为基

WorldSculpt 将复杂场景重建为可以单独编辑的完整对象网格的集合。它针对包含数百个对象的密集杂乱环境，使用多个 RGB 观察以及实例蒙版和 3D 框来保留场景结构，同时完成遮挡的几何图形。

该框架采用 Pixal3D 单对象先验和基于空间的多视图调节。 DINOv3 特征被投影到每个对象规范体素网格中并跨视图融合。生成的对

GeoWeaver 是一个长序列 3D 重建框架，用于将 RGB 视频转换为全局一致的摄像机和点云。它解决了无法联合处理长序列时出现的尺度漂移、姿态错误和块未对齐问题。

几何先验模型预测块深度、置信度和相机参数，然后分层测试时间适应执行顺序初始化、全局 Sim(3) 对齐和从粗到细的细化。密集对应和强大的 CDF 式目标共同优化加

GNM，即 Google 的 Generative aNthropometric Model and Ecosystem，是一个面向参数化人体模型及相关感知技术栈的开放生态。该仓库首先发布的是 GNM Head，这是一个高保真的统计 3D 人头与人脸几何模型，面向计算机视觉、图形学、生成式 AI 和数字人研究。

GNM Head

LUNA 是一种无需 LBS 的通用神经动画模型，可从少量身份图像和多样化 2D 驱动信号中创建逼真、可动画化的 3D 人体头像。它将图像、关键点、草图和未见角色输入映射为 3D 高斯表示的形变，而无需显式人体拟合。

该系统首先从四张未摆姿态的多视角身份图像中重建规范 3D 高斯。随后，基于 Transformer 的隐式神经动画

Lift4D 是一种测试时优化框架，用于从单目野外视频中重建完整的动态 4D 物体。它旨在恢复几何、外观和形变，包括相机从未直接观测到的区域。

该方法会调整单视图 3D 重建模型，通过因果潜变量条件生成时间一致的逐帧 3D 预测。这些预测用于初始化可变形的 3D Gaussian Splatting 表示，随后再通过感知遮挡的外观

Surflo 是一种流匹配方法，用于从数量可变、无需位姿的图像中重建连贯的 3D 表面。它将所有输入视角融合为固定的全局潜状态，再以任意分辨率解码显式定向表面点。

系统采用基于 VGGT 的编码器、Perceiver 风格压缩器来生成全局状态，并通过逐点流匹配 ODE 解码。它加入基于渲染的通信引导，使独立流动的点仍属于同一个连贯

World Tracing 是一种像素对齐的生成式几何方法，用于预测可见表面之外的分层 3D 世界。它可以从单张图像或短时动态输入中估计物体、场景和运动内容的多层几何，而不只是最前方可见的深度。

项目页面展示了物体、场景和动态预测器，并提供 6 层物体与场景几何模型以及 16 帧动态模型的链接。它支持免训练的纹理网格生成、3D 场

Actionable World Representation 通过 WorldString 展示，是一种用于构建物理对象神经数字孪生的方法。它从关键点条件 3D 建模中学习 token 分配和误差图，使对象几何能够真正用于机器人和仿真场景中的操作。

该项目面向关节式、蒙皮式、柔性、可变形以及机器人对象，页面展示了机器人手、SMP

Pantheon360是一种3D感知的360度视频扩散模型，专为数字孪生生成而设计，具有全景覆盖、精确的摄像机控制和时空一致性。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 Pantheon360 并不是提供通用演示，而是针对具体的能力差距，为用户提供一种更可控的方式来处理复杂的人工智能

TriSplat 是一种前馈 3D 场景重建方法，旨在从稀疏视图生成可用于仿真的网格状场景重建。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 TriSplat 不是提供通用演示，而是针对具体的能力差距，为用户提供一种更可控的方式来处理复杂的人工智能生成或人工智能分析的内容。

LiTo 是一种表面光场标记化方法，专为具有依赖于视图的外观的高质量图像到 3D 生成和重建而设计。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 LiTo 不是提供通用演示，而是针对具体的能力差距，为用户提供一种更可控的方式来处理复杂的人工智能生成或人工智能分析的内容。

GenRecon 是一个多视图 3D 场景重建框架，旨在从休闲智能手机视频或多视图 RGB 图像生成完整的可编辑 PBR 就绪室内场景网格。它的重点是通过将特定于任务的模型设计与研究人员、开发人员或生产团队可以使用的输出相结合，使该工作流程更加实用。 GenRecon 不是提供通用演示，而是针对具体的能力差距，并为用户提供一种更可控的方式来处理复杂的人

TrackCraft3R 是一种开源密集 3D 跟踪系统，可重新利用预训练的视频扩散变换器进行轨迹预测。给定单目视频以及预测的深度和相机信息，它可以在单次前向传播中预测密集的 3D 轨迹。该项目针对的是从事普通视频输入的运动、几何和跟踪研究的计算机视觉研究人员。

该系统以 Wan2.1-T2V-1.3B 为基础，作为预训练视频扩散

Pixal3D 是一个图像到 3D 生成框架，旨在创建与输入图像保持像素对齐的高保真 3D 资源。它解决了图像条件 3D 生成中的常见故障：模型可能会创建合理的几何形状，但最终资产可能会在像素级别偏离参考视图。 Pixal3D 专注于忠实的重建式对应，同时仍然保留完整 3D 资产合成所需的生成灵活性。

该系统以与输入视图一致的方式

RecGen 是一个生成 3D 重建框架，用于从稀疏 RGB-D 观测中恢复完整的多对象场景。即使场景的大部分被遮挡隐藏，RecGen 也不会将每个可见片段视为整个对象，而是估计完整的对象形状、纹理和 6-DoF 姿势。该系统专为机器人、嵌入式人工智能、模拟和场景理解工作流程而设计，其中相机可能只能观察部分视图，但下游系统仍然需要可以操纵、模拟或评估的

D-Rex 是一个扩散渲染框架，适用于逼真、可重新照明、富有表现力的全身人体化身。它专为远程呈现、游戏、虚拟制作和数字人类等应用而设计，在这些应用中，化身必须在视觉上逼真，并且在不断变化的灯光和表情下可控。该系统专注于特定人物的化身，支持自由视点渲染和富有表现力的动画，同时保留逼真的外观。

主要技术贡献是通过将重新照明视为具有扩散

MoCam 是一种视频重新摄像方法，用于在具有挑战性的相机轨迹和不完整几何形状下进行新颖的视图合成。它允许用户生成新的摄像机运动，例如大弧线、复杂路径、移动变焦、放大或缩小以及视频的子弹时间效果。该方法被设计为即使在几何先验扭曲、稀疏或不完美的情况下也能工作，这在实际捕获的场景中很常见。

该系统使用结构化去噪动力学来引导扩散过程从