发表机构
HKUST; LightIllusions; BYD; CUHK-Shenzhen（香港科技大学; LightIllusions; 比亚迪; 香港中文大学（深圳））
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
提出ReconPlusGen，通过噪声反演与调制将重建先验注入多视角3D生成，在保留生成灵活性的同时提升重建质量。
AI 中文摘要
定性结果及核心思想示意图。左上：基准图像上的重建结果。右上：真实世界图像上的重建结果。下方：重建引导的噪声初始化与调制示意图。给定多张输入图像，我们在规范空间中预测点云，通过噪声反演将预测的几何信息确定性地注入扩散过程，并对所得噪声进行调制，以保留完成未观测区域和细化可见几何所需的生成灵活性。
英文摘要
Qualitative results and an illustration of our core idea. Top left: reconstruction results on benchmark images. Top right: reconstruction results on real-world images. Bottom: illustration of reconstruction-guided noise initialization and modulation. Given multiple input images, we predict a point cloud in canonical space, deterministically inject the predicted geometry into the diffusion process through noise inversion, and modulate the resulting noise to preserve the generative flexibility required to complete unobserved regions and refine visible geometry.
