UniForge3D：在共享锚点引导空间中联合进行 3D 重建与生成

基于摘要分析。UniForge3D 研究如何从稀疏、未提供相机位姿的图像生成完整 3D 资产，在保留已观测几何的同时补全不可见区域。其核心贡献是将重建与生成置于共享锚点引导空间，并通过几何对应关系选择局部最有信息量的输入视图，以引导细节生成。 原问题包含两类障碍：相机相对坐标下的重建与规范坐标空间中的生成存在坐标不匹配；对每个 3D 位置直接融合全部视图，可能混入与该位置无关的图像内容。共享空间遵循锚点视图的方位角，同时保持物体直立。重建与生成两个分支双向交换特征，预测逐视图点图和完整的稀疏体素结构。 在局部条件构建上，方法进一步以生成的结构为条件预测点图，建立像素到体素的对应关系，并为每个体素选择最有信息量的输入视图；选中视图的特征随后用于引导精细形状生成。摘要未说明锚点选取、视图选择准则、损失函数及训练与推理的具体实现。 作者报告，在 Toys4K 和 GSO 上取得了外观与几何方面的最先进结果，并提高了完整 3D 资产的保真度。摘要未提供具体指标、数值、数据划分或对照基线，因此尚不能核对改进幅度及比较条件；实验协议、消融及统计信息尚未验证，复现所需的实现与资源条件也尚未验证。 该研究的主要对象是多视图 3D 资产重建与生成，并非 EEG 或 BCI。现有材料没有建立其几何对应与视图选择机制到神经信号任务的具体对应关系，不据此推断 BCI 有效性或提出迁移实验。