NVIDIA 与苏黎世联邦理工学院、康奈尔大学、多伦多大学、Vector Institute 的研究者共同提出的、可从多张照片补全空间并构建高质量 3D 场景的 SIGGRAPH 2026 技术！「ArtiFixer: Enhancing and Extending 3D Reconstructionwith Auto-Regressive Diffusion Models」已公开！

ArtiFixer: Enhancing and Extending 3D Reconstruction
with Auto-Regressive Diffusion Models

3D 高斯点云 splatting 等按场景优化方法虽然能够实现最先进的新视角合成质量，但在对观测数据不足的区域进行外推时表现较差。利用生成先验来纠正这些区域的伪影是有前景的，但目前存在两个问题。第一是可扩展性问题。现有方法使用图像扩散模型或双向视频模型，但这些方法一次可生成的视角数量有限（因此为了保证一致性，需要代价高昂的迭代蒸馏过程）。第二是质量本身的问题。先前研究中使用的生成器往往会产生与现有场景内容不一致的输出，并且在完全未被观测到的区域中根本无法发挥作用。

为了解决这些问题，我们提出了一个利用两个重要发现的两阶段流水线。首先，学习一个强大的双向生成模型，采用一种新颖的透明度混合策略，在提高与现有观测数据一致性的同时，仍保持模型在未见区域补外新内容的能力。其次，将其蒸馏为一个因果自回归模型，可在单次通过中生成数百帧。该模型不仅可以直接生成新视角，还可以作为伪监督，以一种简单且极其高效的方式改进基础 3D 表示。我们对本方法进行了彻底评估，并证明即使在现有方法完全失败的场景下，也能生成合理的重建结果。在常见基准数据集上评估后，我们的方法显著优于所有现有基线，并在 PSNR 上比传统最先进方法高出 1～3 dB。

这个不错啊。这样看不见的部分也会被补全，感觉会逐渐成为标准。
详情请查看项目页面和 Github 页面！

链接

3D scene reconstruction works great until the camera never sees part of the scene.

ArtiFixer from NVIDIA Research is an open autoregressive model that fills in the missing geometry that other methods leave blank.#SIGGRAPH2026 paper, code + demo: https://t.co/D9PX2OzbZf pic.twitter.com/AGQicvVKkW

— NVIDIA AI (@NVIDIAAI) June 22, 2026

ArtiFixer: Enhancing and Extending 3D Reconstruction with Auto-Regressive Diffusion Models

nv-tlabs/ArtiFixer