arXiv 上发布的一篇论文提出 WorldRecon，一个从无位姿多视角 RGB 图像重建完整大规模三维场景网格的生成式重建框架。该方法先用重建模型估计出粗糙且有噪声的全局点云与相机位姿作为整体生成的“脚手架”，再把场景切分为互相重叠的空间块，并让原生三维生成模型 TRELLIS.2 通过专门的重建条件架构，依据局部点云切块和与块相关的图像观测生成稀疏结构、细节几何与 PBR 材质。为保持整场景一致性，作者引入邻域感知潜变量修补（neighbour-aware latent inpainting）与因果式世界生成流程，在相邻块之间传递结构、几何与材质上下文。论文称在合成与真实室内场景上均取得最优重建表现：Chamfer 距离分别降低 14.9% 和 43.1%，F-score 分别提升 17.3% 和 12.0%，并展示了较强的 sim-to-real 泛化能力。

WorldRecon·TRELLIS.2·arXiv