少量视角也能得到完整3D几何，即插即用的语义增强重建插件来了（

1.少量视角也能得到什么

本文作者来自上海交通大学、英国曼彻斯特大学与香港中文大学团队成员包括：徐博、王钰超、乐心怡（上海交通大学，自动化系），郭宇鹄、王昌凌（英国曼彻斯特大学，机械与航空航天工程学院），王文婷、任扬（香港中文大学，机械与自动化工程学系）。

表面重建的核心挑战，在于在少量视角下同时兼顾几何准确性、细节还原与结构完整性现有神经隐式路线，在样本稀疏时容易出现跨视角对应不稳、边界发糊、局部缺失等现象；当可见区域有限、纹理不明显、遮挡复杂时，这些问题会被进一步放大。

为了补救，不少工作尝试引入单目深度、法线或稠密视角序列等外部几何线索，但这通常意味着额外的采集成本和不稳定的噪声来源，一旦误差被带入，反而会破坏原本已经较为准确的几何另一条思路是通过更复杂的网络结构或强先验来提升稳定性，可迁移性与训练成本却随之上升，且在真实场景下的鲁棒性并不总是稳定。

归根到底，稀疏视角的难点在于覆盖不足导致的匹配不稳定与形辐射歧义：同一结构在不同视角里的局部片段难以可靠对应，优化过程容易迷失在局部最优直观经验却告诉我们，只要把同一物体的 “对应部分” 对齐，形状就会变得清晰。

基于这一朴素而有效的直觉，作者提出SERES（Semantic-Aware Reconstruction from Sparse Views），在不改动主干框架的前提下，把跨视角的语义一致性变成一种训练期先验注入到模型里，用低成本的方法去解决高价值的歧义问题，让少量视角也能得到清晰而完整的几何。

该工作来自上海交通大学，曼彻斯特大学和香港中文大学的团队，目前已被