Anttwo/Surflo

解决的问题

Surflo 解决了从少量且数量不固定的未摆姿势 RGB 图像中重建详细 3D 表面的挑战。它旨在提供高质量、干净的网格输出，其速度显著快于基于优化的方法（如 Gaussian Wrapping），且质量高于前馈点图模型。

工作原理

Surflo 将一组输入视图（从 2 到 80 张图像）编码为固定大小的全局潜在状态。然后它使用流匹配将此状态解码为任意数量的定向表面点，进而用于生成干净的 3D 网格。该系统支持“普通”重建（仅点云）和“引导”重建，后者使用渲染引导来细化表面并提取网格。

适用对象

此工具专为从事 3D 计算机视觉、表面重建和 3D 资产创建的研究人员和开发人员设计，他们需要从有限的图像集中快速获取高保真 3D 网格。

亮点

• 可变输入视图：支持从少至 2 张到多至 80 张图像的重建。
• 快速推理：运行速度比基于优化的最先进方法快一个数量级。
• 灵活引导：提供多种引导预设（最小、短、默认、长），以平衡运行时间、VRAM 使用量和细节级别。
• 集成管线：提供从图像加载和编码到点云生成和网格提取的完整管线。
• Python API：包含一个外观模式，便于轻松集成到其他应用程序中。