图像替代LiDAR：如视Argus为3DGS提供位姿约束
如视Argus仅用图像就能提供LiDAR级别的位姿约束，消除3DGS重建瑕疵，降低3D内容创作门槛。
3DGS（三维高斯泼溅，一种从照片重建3D场景的技术）需要精确的相机位姿约束，否则重建的墙面会弯曲或鼓包。过去只能靠LiDAR提供高精度位姿，但如视Argus方法（入选ECCV）仅用普通图像就能达到LiDAR级约束，极大降低了硬件门槛，让手机拍摄也能生成高质量3D内容。
正文摘录
摘要 ：3DGS（三维高斯泼溅）依赖精确位姿，传统方案依赖LiDAR（激光雷达）。如视Argus入选ECCV 2026，能从稀疏全景图像预测相机位姿、度量深度和点云，为 3DGS 提供 LiDAR 级位姿约束，即将设备驱动的重建推向模型驱动。与 SfM（运动恢复结构）相比，位姿误差降低约28%至69%，接近 LiDAR 精度。 --- Luma AI、Aholo、Scaniverse、KIRI 等消费级 3DGS 应用的出现，已经说明 3D Gaussian Splatting（三维高斯泼溅）正在走向普通用户。用户拿起手机，就希望把物体、房间，甚至完整空间，变成可漫游的 3D 内容。 但如果想要效果够好，3DGS 就需要精确的位姿约束，否则效果会大打折扣：  图 1：某 APP 生成画面（截图来自小红书）  图 2：墙体弯曲  图 3：墙面鼓包 这些 badcase 看起来像是 3DGS 渲染没有优化好，但本质上，往往是位姿与几何信息不够准确。 过去，解决这类问题最稳妥的方式是上 LiDAR（激光雷达）。