如视Argus入选ECCV，让图像也能提供LiDAR级位姿约束新方案
如视Argus入选ECCV2026，能从稀疏无序的全景图像中预测相机位姿、度量深度与点云，为3DGS提供精确几何约束。在Realsee3D基准测试中，其位姿和几何精度显著领先，室内误差低至2 5cm，接近LiDAR水平。这推动3D重建从设备驱动转向模型驱动，实现更轻量、低成本的大众化采集。
先说几个核心判断。
Luma AI、Aholo、Scaniverse、KIRI……这些消费级3DGS应用的出现，已经清楚地说明一件事：3D Gaussian Splatting正在真正走向普通用户。拿起手机拍一圈，就希望把物体、房间，甚至整个空间，直接变成可自由漫游的3D内容。
但想把效果拉满，3DGS就需要精确的位姿约束。不然，效果很容易打折扣。
来看几个典型Badcase：
左右滑动查看。图1：某APP生成画面；图2：墙体弯曲；图3：墙面鼓包。
这些Badcase表面上看是渲染没优化好，但剥开一看，根子往往出在位姿和几何信息不够准确上。
过去，解决这类问题最稳妥的办法是上LiDAR。LiDAR能提供精确的位姿约束，哪怕在弱纹理、重复纹理、大尺度畸变这类高难度视觉场景里，也能解算出足够鲁棒的位姿和几何，让3DGS优化收敛到更高质量的场景表达。
但代价也很直接：更高的硬件成本、更重的采集流程，也就更难真正走进大众消费级场景。
最近，ECCV 2026公布了结果，如视团队的成果Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes成功入选。这套方案面向室内全景图像，能够直接从稀疏、无序的全景照片里，预测出相机位姿、度量深度和点云重建结果——相当于为3DGS提供了一套更稳定、更精准的几何约束。
这项研究的信号很明确：未来可落地的3DGS重建，不一定非得依赖LiDAR来提供精确位姿。只要用手机或全景相机拍下图像，再通过如视Argus拿到高质量位姿和度量几何，就能让3DGS进入更轻量、更低成本、更大众化的采集时代。
先看效果：传统SfM vs 如视Argus
可以把如视Argus理解成一个给3DGS用的“几何校准器”。
使用传统SfM（左）VS 使用如视Argus（右）。字迹、物体细节等效果显著提升。
3DGS通常依赖传统SfM来计算位姿和初始几何。一旦遇到弱纹理、重复纹理、全景畸变、多房间连接这类场景，就很容易出问题：
- 相机轨迹漂移；
- 墙体、门洞、家具边缘错位；
- 高斯点云局部堆叠或肿胀；
- 新视角漫游时出现闪烁和重影。
在稀疏采集视角下，甚至会因为匹配不足导致位姿彻底崩溃，根本没法生成3DGS。
而经过如视Argus处理之后，系统可以先获得更稳定的图像位姿、度量深度和点云结构，再把这些结果作为3DGS优化的初始约束——最终效果会更接近“空间级重建”，而不只是“图片级拟合”。
再看看数据：位姿与几何精度显著领先
在Realsee3D基准测试中，如视Argus在相机位姿、深度估计和点云重建三条线上都拿下了SOTA级表现。
以相机位姿为例，论文给出了如视Argus与VGGT360、MapAnything360、π3D360等方法的对比。和支持度量预测的MapAnything360相比，如视Argus在真实子集上将ATE从0.134降至0.096，在合成子集上从0.087降至0.027。
换算一下：在真实室内场景中，如视Argus的全局位姿误差比MapAnything360降低了约28%；在合成场景中，误差降低了约69%。
对于常见的居住室内环境，在如视积累的全量数千万数据上训练后，误差更是低至2.5cm——这已经和常见LiDAR的2cm误差非常接近了。
另外，靠合成数据训练，如视Argus模型还能避开LiDAR常见的多回波拖尾问题，以及玻璃、镜子、黑色物体测距不准带来的噪声或数据缺失。
对3DGS来说，这类提升非常关键。位姿误差降低，不只意味着指标变好看，而是直接反映在最终效果上：墙面更直、边界更锐、物体更少重影、漫游时空间更稳定。
从激光扫描到自由拍摄，空间重建正在换挡
如视Argus入选ECCV 2026，不只是一次论文成果发布，更像是一个行业信号：3D重建正在从“设备驱动”走向“模型驱动”。过去，精准空间重建依赖专业硬件；现在，大模型开始学习硬件背后的几何能力。
对如视自身来说，依托超过6000万真实三维空间场景的数据库，随着数据量、场景类型和训练样本持续增长，Argus模型对复杂空间的理解能力也会持续提升。
可以预见，产品级3DGS将有机会从重设备、重流程的专业采集，走向更轻量、更低成本、也更容易规模化的空间重建方式。
如视Argus展示的，正是这个方向的第一步：用图像重建真实世界，用精准位姿约束3DGS——让产品级3DGS从专业设备时代，迈向普通用户也能参与的自由拍摄时代。
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，让图像也能提供LiDAR级位姿约束新方案要求：
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
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点三家AI大厂加速布局生命科学：Anthropic推出科研工作台ClaudeScience，OpenAI发布基因基准测试GeneBench-Pro，谷歌旗下IsomorphicLabs推进AI药物设计。然而，药物研发周期漫长，资本市场难以等待十年。最终赢家或将是拥有专有数据与临床体系的大型制药公司。
AI借债狂潮引发债市警报，投资级债券市场消化不良，叠加美联储加息预期和油价冲击，导致美股半导体及AI板块全线溃退。债市裂缝正演变为股市地震，市场承接能力急剧萎缩，可能引发更广泛抛售。
揭秘Stable Diffusion如何利用AI魔法将文字转化为惊艳图像，10分钟掌握核心技术与原理！ 核心内容： Stable Diffusion的技术背景与行业深远影响 文生图核心原理与关键模块拆解 AI绘画的典型应用场景与未来发展趋势 AIGC热潮正以迅猛之势席卷全球，Stable Diffu
2025年6月21日，一场以“聚焦数字化应用，赋能教师成长”为主题的研修活动在长沙仰天湖赤岭小学正式拉开帷幕。本次活动不仅是长沙市人工智能助推教师队伍建设试点区的阶段性成果集中展示，更是“长沙市智能教育工作坊”启动研修的重要契机。近百名分管培训与教研工作的校长、教师到场参与，市区级相关领导与专家也亲
- 日榜
- 周榜
- 月榜
热点快看