如视Argus入选ECCV,让图像也能提供LiDAR级位姿约束

机器之心发布
随着 Luma AI、视A束Aholo、入选让图Scaniverse、像也KIRI 等消费级 3D Gaussian Splatting (3DGS) 应用的姿约爆发,3DGS 技术正加速向大众用户渗透。视A束用户只需通过手机拍摄,入选让图即可将物体、像也房间乃至完整空间转化为可自由漫游的姿约 3D 内容。
然而,视A束高质量的入选让图 3DGS 重建高度依赖精确的位姿约束。若位姿信息偏差,像也重建效果将显著下降,姿约甚至出现严重的视A束几何畸变:



(左右滑动查看:图1:某APP生成画面|图源小红书;图2:墙体弯曲;图3:墙面鼓包)
上述“Bad Case”表面看似渲染优化不足,本质根源在于位姿与几何信息的入选让图不准确。
传统解决方案是像也引入 LiDAR。LiDAR 能提供高精度的位姿约束,有效解决视觉环境中的鲁棒性问题,确保 3DGS 收敛至高质量场景。但其代价高昂:硬件成本高、采集流程繁琐,难以在大众消费级场景中普及。
近期,ECCV 2026结果公布,Realsee(如视)团队成果 Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes成功入选。该研究面向室内全景图像,能从稀疏、无序的全景照片中直接预测相机位姿、度量深度及点云重建结果,为 3DGS 提供更稳定、精准的几何约束。


Argus 论文地址:https://argus-paper.realsee.ai
如视这项研究揭示了一个关键趋势:未来可落地的 3DGS 重建,不再必然依赖 LiDAR。仅需手机或全景相机拍摄图像,结合如视 Argus 获取的高质量位姿与度量几何,即可推动 3DGS 进入更轻量、低成本、大众化的采集新纪元。
效果对比:传统 SfM vs. 如视 Argus
可将如视 Argus 视为 3DGS 前端的“几何校准器”。

(左:传统 SfM;右:使用如视 Argus。字迹、物体细节等效果显著提升)
3DGS 通常依赖传统 SfM(Structure from Motion)计算位姿与初始几何。但在弱纹理、重复纹理、全景畸变或多房间连接等复杂场景下,传统 SfM 易出现以下问题:
- 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,匹配不足甚至会导致位姿崩溃,无法生成有效的 3DGS。
经如视 Argus 处理后,系统首先获得更稳定的图像位姿、度量深度和点云结构,并将其作为 3DGS 优化的初始约束。最终效果从“图片级拟合”跃升为接近“空间级重建”。
数据验证: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上均取得了 SOTA(State of the Art)级表现。

以相机位姿为例,论文对比了如视 Argus 与 VGGT360、MapAnything360、π3D360 等方法。与支持度量预测的 MapAnything360 相比:
- 真实子集:ATE(绝对轨迹误差)从 0.134 降至 0.096;
- 合成子集:ATE 从 0.087 降至 0.027。

(Argus VS VGGT360、MapAnything360、π3D360)
这意味着:
* 在真实室内场景中,如视 Argus 的全局位姿误差比 MapAnything360 降低约 28%;
* 在合成场景中,误差降低约 69%。
得益于如视积累的数千万真实场景数据训练,在常见居住室内环境中,其误差低至 2.5cm,已非常接近常见 LiDAR 的 2cm 误差水平。
此外,借助合成数据训练,如视 Argus 模型有效规避了 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。
对于 3DGS 而言,这种精度提升至关重要。位姿误差的降低直接转化为视觉效果的优化:墙面更直、边界更锐、物体重影减少、漫游空间感更稳定。
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,不仅是学术成果的发布,更是一个行业信号:3D 重建正从“设备驱动”转向“模型驱动”。
过去,精准空间重建依赖专业硬件;现在,大模型开始学习并复现硬件背后的几何能力。
对如视而言,依托超 6000 万真实三维空间场景数据库,随着数据量、场景类型和训练样本的持续扩充,如视 Argus 模型对复杂空间的理解能力将不断提升。
未来,产品级 3DGS 将摆脱重设备、重流程的专业采集束缚,走向更轻量、低成本且易于规模化的空间重建方式。
如视 Argus 展示的,正是这一方向的第一步: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。
本文地址:https://www.dr-wine.com/html/792e12499083.html
版权声明
本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。