Amodal3R – 南洋理工联合牛津等推出的条件式 3D 生成模型-爱论文

Amodal3R是什么

Amodal3R 是条件式 3D 生成模型，能从部分可见的 2D 物体图像中推测并重建完整的 3D 形态和外观。模型基于“基础”3D 生成模型 TRELLIS 构建，通过引入掩码加权多头交叉注意力机制和遮挡感知注意力层，利用遮挡先验知识指导重建过程。Amodal3R 仅使用合成数据进行训练，能在真实场景中表现出色，显著优于现有的“2D 预测补全 + 3D 重建”两步法，为遮挡场景下的 3D 重建树立了新的基准。

Amodal3R的主要功能

遮挡感知 3D 重建：针对遮挡严重的 2D 图像，Amodal3R 能结合 2D 片段信息与语义推测，生成完整的 3D 模型。超越现有方法：相比于“2D 预测补全 + 3D 重建”两步法，Amodal3R 在遮挡情况下表现更优，建立了新的 3D 重建基准。

Amodal3R的技术原理

基础 3D 生成模型扩展：Amodal3R 从一个“基础”3D 生成模型出发，通过扩展能处理遮挡的 2D 图像，恢复出合理的 3D 几何形状和外观。掩码加权多头交叉注意力机制：模型引入了掩码加权多头交叉注意力机制，能更好地处理遮挡问题。具体来说，通过掩码来引导注意力机制，使模型在生成过程中更加关注可见部分，利用遮挡先验知识来推测被遮挡区域的形状和纹理。遮挡感知注意力层：在掩码加权多头交叉注意力机制之后，Amodal3R 引入了遮挡感知注意力层。基于 DINOv2 的特征提取：Amodal3R 利用 DINOv2 进行高质量的视觉特征提取。DINOv2 提供的特征能为 3D 重建提供更多上下文信息，帮助模型更准确地进行 3D 重建。合成数据训练与泛化能力：Amodal3R 仅使用合成数据进行训练，能学习到在真实场景中即使存在遮挡也能恢复完整 3D 对象的能力。表明模型具有较强的泛化能力，能将从合成数据中学到的知识应用到真实场景中。

Amodal3R的项目地址

项目官网：https://sm0kywu.github.io/Amodal3R/HuggingFace模型库：https://huggingface.co/Sm0kyWu/Amodal3RarXiv技术论文：https://arxiv.org/pdf/2503.13439

Amodal3R的应用场景

增强现实（AR）和虚拟现实（VR）：在 AR 和 VR 应用中，Amodal3R 可以帮助从部分可见的 2D 图像中重建完整的 3D 模型，提供更加沉浸式的体验。机器人视觉：机器人在复杂环境中操作时，会遇到物体被部分遮挡的情况。Amodal3R 可以帮助机器人更准确地感知和理解环境中的物体，更好地进行路径规划和任务执行。自动驾驶：在自动驾驶领域，车辆需要实时感知周围环境中的物体。Amodal3R 可以从部分遮挡的图像中重建完整的 3D 模型，帮助自动驾驶系统更准确地识别和处理复杂的交通场景。3D 资产创建：在游戏开发、电影制作和其他需要 3D 资产的领域，Amodal3R 可以从简单的 2D 图像中生成高质量的 3D 模型，简化了 3D 建模的流程。学术研究：Amodal3R 为计算机视觉和 3D 重建领域的研究提供了新的工具和方法。研究人员可以用模型探索更复杂的场景和更高效的重建算法。