如視Argus入選ECCV，讓圖像也能提供LiDAR級位姿約束

機(jī)器之心發(fā)布

Luma AI、Aholo 、Scaniverse、KIRI 等消費(fèi)級 3DGS 應(yīng)用的出現(xiàn)，已經(jīng)說明 3D Gaussian Splatting 正在走向普通用戶。用戶拿起手機(jī)，就希望把物體、房間，甚至完整空間，變成可漫游的 3D 內(nèi)容。

但如果想要效果夠好，3DGS 就需要精確的位姿約束，否則效果會大打折扣：

左右滑動查看。圖1：某 APP 生成畫面｜圖源小紅書；圖 2：墻體彎曲；圖 3：墻面鼓包。

這些 badcase 看起來像是 3DGS 渲染沒有優(yōu)化好，但本質(zhì)上，往往是位姿與幾何信息不夠準(zhǔn)確。

過去，解決這類問題最穩(wěn)妥的方式是上 LiDAR 。LiDAR 能提供精確的位姿約束，在一定程度解決上述問題，即使在高難度視覺環(huán)境中，也能解算出足夠魯棒的位姿和幾何，讓 3DGS 優(yōu)化收斂到更高質(zhì)量的場景表達(dá)。

但這也意味著更高的硬件成本、更重的采集流程，以及更難進(jìn)入大眾消費(fèi)級場景。

近期， ECCV 2026 結(jié)果公布，Realsee 團(tuán)隊(duì)的成果 Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes 成功入選。它面向室內(nèi)全景圖像，能夠從稀疏、無序的全景照片中，直接預(yù)測相機(jī)位姿、度量深度和點(diǎn)云重建結(jié)果，可以為 3DGS 提供更穩(wěn)定、更精準(zhǔn)的幾何約束。

• Argus 論文地址：https://argus-paper.realsee.ai

如視的這項(xiàng)研究說明：未來可落地的 3DGS 重建，不再一定需要 LiDAR 來提供精確位姿。只要有手機(jī)或全景相機(jī)拍攝的圖像，再通過如視 Argus 獲得高質(zhì)量位姿和度量幾何，就可以讓 3DGS 進(jìn)入更輕量、更低成本、更大眾化的采集時(shí)代。

先看效果：傳統(tǒng) SfM vs使用如視 Argus

可以把如視 Argus 理解成 3DGS 前面的“幾何校準(zhǔn)器”。

使用傳統(tǒng) SfM（左）VS 使用如視 Argus（右）。字跡、物體細(xì)節(jié)等效果顯著提升

3DGS 通常依賴傳統(tǒng) SfM 來計(jì)算位姿和初始幾何。遇到弱紋理、重復(fù)紋理、全景畸變、多房間連接等場景時(shí)，容易出現(xiàn)：

• 相機(jī)軌跡漂移；
• 墻體、門洞、家具邊緣錯(cuò)位；
• 高斯點(diǎn)云局部堆疊或腫脹；
• 新視角漫游時(shí)出現(xiàn)閃爍和重影。

在稀疏采集視角下，甚至?xí)驗(yàn)槠ヅ洳蛔銓?dǎo)致位姿崩潰，無法生成 3DGS。

經(jīng)過如視 Argus 處理后，系統(tǒng)可以先獲得更穩(wěn)定的圖像位姿、度量深度和點(diǎn)云結(jié)構(gòu)，再將這些結(jié)果作為 3DGS 優(yōu)化的初始約束 —— 最終效果會更接近“空間級重建”，而不只是 “圖片級擬合”。

再看數(shù)據(jù)：如視 Argus 位姿與幾何精度顯著領(lǐng)先

在 Realsee3D 基準(zhǔn)測試中，如視 Argus 在相機(jī)位姿、深度估計(jì)和點(diǎn)云重建上取得了 SOTA（state of the art) 級表現(xiàn)。

以相機(jī)位姿為例，論文給出了 如視 Argus 與 VGGT360、MapAnything360、π3D360 等方法的對比。和支持度量預(yù)測的 MapAnything360 相比，如視 Argus 在真實(shí)子集上將 ATE 從 0.134 降至 0.096，在合成子集上從 0.087 降至 0.027。

Argus VS VGGT360、MapAnything360、π3D360

也就是說在真實(shí)室內(nèi)場景中，如視 Argus 的全局位姿誤差比 MapAnything360 降低約 28%；在合成場景中，誤差降低約 69%。

對于常見居住室內(nèi)環(huán)境而言，在如視積累的全量數(shù)千萬數(shù)據(jù)上訓(xùn)練后，誤差更是低至 2.5cm，與常見 LiDAR 2cm 的誤差已經(jīng)非常接近。

另外，借助合成數(shù)據(jù)，如視 Argus 模型還能避免 LiDAR 常見的多回波拖尾問題，以及玻璃、鏡子、黑色物體測距不準(zhǔn)帶來的噪聲或數(shù)據(jù)缺失。

對于 3DGS 來說，這類提升非常關(guān)鍵。位姿誤差降低，不只是指標(biāo)變好，而是直接影響最終效果：墻面更直、邊界更銳、物體更少重影、漫游時(shí)空間更穩(wěn)定。

從激光掃描到自由拍攝，空間重建正在換擋

如視 Argus 入選 ECCV 2026，不只是一次論文成果發(fā)布，更像是一個(gè)行業(yè)信號：3D 重建正在從 “設(shè)備驅(qū)動” 走向 “模型驅(qū)動”。過去，精準(zhǔn)空間重建依賴專業(yè)硬件；現(xiàn)在，大模型開始學(xué)習(xí)硬件背后的幾何能力。

對如視自身來講，依托超 6000 萬真實(shí)三維空間場景數(shù)據(jù)庫，隨著數(shù)據(jù)量、場景類型和訓(xùn)練樣本持續(xù)增加，如視 Argus 模型對復(fù)雜空間的理解能力也會持續(xù)提升。

在未來，產(chǎn)品級 3DGS 將會有機(jī)會從重設(shè)備、重流程的專業(yè)采集，走向更輕量、更低成本、也更容易規(guī)模化的空間重建方式。

如視 Argus 展示的，正是這個(gè)方向的第一步：用圖像重建真實(shí)世界，用精準(zhǔn)位姿約束 3DGS，讓產(chǎn)品級 3DGS 從專業(yè)設(shè)備時(shí)代，邁向普通用戶也能參與的自由拍攝時(shí)代。