SceneReGen 从单张图像生成 3D 场景，在统一坐标系中生成对象

2026年8月25日，arXiv 上发布了一篇论文 SceneReGen: Generative Reconstruction of 3D Scenes from a Single Image。作者提出了一种基于单张图像进行 3D 场景生成式重建的方法：SceneReGen 不是将场景作为一个整体来重建，而是生成各个独立对象，并将它们组装到与观测对齐的公共坐标系中。核心思想是选择性姿态分解（selective pose factorization）：对象的朝向直接编码在生成的网格中，而平移和缩放则从场景特征中单独估计。在 3D-FUTURE 子集上，该方法在场景级 CD、场景级 F-Score 和 3D 边界框 IoU 方面均优于所考察的其他方法。作者未公开代码。

这意味着什么

SceneReGen 解决的是我们指南中目前没有任何工具能够覆盖的任务。OpenLRM、Hunyuan3D（混元3D）2.1 和 TRELLIS 都是基于单张图像生成单个 3D 模型的生成器（image-to-3d）。它们会在居中、按比例归一化的坐标系中生成一个对象。SceneReGen 则高一个层级：它接收场景图像和实例掩码，输出的是摆放在公共场景中的多个对象。 对象生成与场景重建之间的差距，正是作者所称的“表示鸿沟”（representation gap）。在我们的参数表中，这一差距直接可见：这三个工具的任务都标注为 image-to-3d，而非场景重建。它们都不接受实例掩码，也不会将多个对象组装成公共场景。 SceneReGen 目前尚无实际应用：代码未公开，权重未发布，开发者也未说明显存要求或导出格式。这是一项研究工作，它指明了方向——基于现成资产进行场景的生成式组装——但并未提供现成工具，无法与 CPU3D 指南中已有的工具进行对比。 如果作者公开代码和权重，SceneReGen 可能会成为我们指南中第一个用于生成式场景重建（而非单模型生成）的工具。目前，它只是值得关注的方向，而非现有生成器的替代品。