如视Argus入选ECCV 图像提供LiDAR级位姿约束

如今，只需打开手机安装一款应用，环绕拍摄一圈，便能生成一个可自由漫步的3D模型——这种操作已变得愈发普遍。Luma AI、Aholo、Scaniverse、KIRI等消费级工具，将3D Gaussian Splatting（3DGS）从实验室搬到了普通用户的手机屏幕上。人们拿起设备，无非是想快速把房间、桌上的手办变成一个能随意探索的立体空间。

但现实往往有些残酷：为什么自己拍出来的效果，与宣传案例差距如此之大？

问题究竟出在哪里？说白了，是位姿与几何信息不够精确。3DGS要想获得理想的重建结果，必须先有准确的相机位姿和场景几何作为“地基”。一旦这个基础不够牢固，后续重建就容易变形走样——就像下面这样：

图1：某APP生成的画面（来源：小红书）；图2：墙体出现异常弯曲；图3：墙面鼓起突兀的包块。

面对这些Badcase，很多人第一反应是“3DGS渲染参数没调好”。但究其根本，是喂给3DGS的位姿和几何信息本身就含混不清，优化过程自然找不到正确方向。

过去，解决这个问题最稳妥的办法就是使用激光雷达（LiDAR）。LiDAR确实够硬，能直接提供精确的深度和位姿约束，即使在弱纹理、大光比环境下也能给出鲁棒的几何解，让3DGS稳定收敛到高质量的场景表达。

代价也很明显：成本高、流程重、门槛高。这种方案显然不适合大众消费级场景。

但情况正在改变。ECCV 2026上，Realsee（如视）团队的成果Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes成功入选。这套方案针对室内全景图，能从稀疏、无序的照片中直接预测出相机的精确位姿、场景的度量深度，甚至生成点云——换句话说，它就像给3DGS在训练前配上了一副“高清眼镜”。有了它，3DGS不再非LiDAR不可。

• 论文地址：https://argus-paper.realsee.ai

核心结论很明确：未来的产品级3DGS重建，不一定非得依赖LiDAR来提供精确位姿。你只需用手机或全景相机拍下一组图像，再通过Argus获取高质量的位姿和度量几何，就能让3DGS进入一个更轻量、更低成本、更大众化的采集时代。

先看效果：传统SfM vs 使用如视Argus

你可以把Argus理解成3DGS前面的“几何校准器”。

左侧是传统SfM处理效果，右侧是使用了Argus的效果。字迹的清晰度、物体的边缘细节，差别一目了然。

传统流程中，3DGS依赖SfM来计算位姿和初始几何。这种方法在纹理均匀、重复纹理多，或全景图畸变大的场景里，就容易出问题：

• 相机轨迹漂移，整体结构歪斜；

• 墙体、门洞、家具的边缘错位，看起来像拼贴画；

• 高斯点云局部堆成一团，或者鼓起来；

• 新视角漫游时，画面闪烁、出现重影。

如果拍摄的视角本身较少、覆盖不全，甚至可能直接导致位姿解算失败，连3DGS都跑不起来。

而Argus的流程是：先依靠自身模型，给出更稳定的图像位姿、度量深度和点云结构。再把这些作为3DGS优化的初始约束条件。这样一来，最终的3DGS效果会更接近“对整个空间的真实重建”，而不仅仅是“对输入图像的表面拟合”。

再看数据：如视Argus的位姿与几何精度显著领先

在Realsee3D基准测试中，Argus在相机位姿估计、深度预测和点云重建三项指标上，均取得了当前最优（SOTA）的成绩。

具体到相机位姿，论文将Argus与VGGT360、MapAnything360、π3D360等方法进行了对比。与同样支持度量预测的MapAnything360相比，Argus在真实场景子集上，将位姿误差（ATE）从0.134拉低到0.096；在合成场景子集上，更从0.087直接降到0.027。

数据曲线图清晰展示了Argus的领先幅度。

换算一下：在真实室内环境中，Argus的全局位姿误差比MapAnything360降低了约28%；合成场景中的优势更大，降低了约69%。

更令人印象深刻的是它在海量真实数据上的表现。基于如视积累的数千万级室内场景训练后，对于常见的居住空间，误差已低至2.5厘米——这已经相当接近常见LiDAR产品2厘米的精度水平。

而且，因为是纯算法模型，Argus还能有效避开LiDAR的一些先天不足，例如多回波拖尾，以及玻璃、镜子、黑色物体测距不准造成的噪声或数据空洞。这些对于追求稳定、高质量3DGS重建的应用来说，是非常实在的优势。

这件事的重要性在于：位姿误差降低，不只是指标好看，它会直接转化为肉眼可见的效果提升。墙面更直、边界更锐、物体轮廓更清晰、漫游时的空间感更稳定——这才是产品级3DGS真正需要的东西。

从激光扫描到自由拍摄：空间重建正在换挡

Argus入选ECCV 2026，意义不只是发表一篇论文。它更像一个行业信号：3D重建的重心，正在从“设备驱动”切换到“模型驱动”。过去，追求精准就得靠专业硬件；现在，大模型开始学习并掌握那些硬件的几何能力，用软件去替代，甚至超越部分硬件的功能。

对如视而言，依托其超过6000万平方米的真实三维空间场景数据库，随着数据量、场景复杂度和训练样本的持续增长，Argus模型对复杂空间的理解能力只会越来越强。

这意味着，产品级3DGS的采集，未来很有机会从“重设备、重流程”的专业项目，变成“更轻量、更低成本、更易规模化”的日常操作。

如视Argus展示的，正是这个新方向的第一步：用图像重建真实世界，用精准的位姿约束3DGS，让产品级3DGS真正从专业设备时代，迈向普通用户也能参与的自由拍摄时代。

点击此处，查看论文全文。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如视Argus入选ECCV 图像提供LiDAR级位姿约束要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题