ScenePlacer：可见性场学习做场景级位姿估计

2026年10月14日，arXiv Computer Vision 收录了 Ken Deng 等作者的论文，提出 ScenePlacer 框架。据该报道，ScenePlacer 将场景级物体位姿估计重构为条件可见性场学习，目标是在给定部分几何观测的情况下，把由当前先进的原生形状生成模型生成的 3D 物体放入场景，且不修改底层生成流程。方法上，它以预训练 3D 形状 VAE 为骨干，采用可见性感知、半径约束的监督方式，仅依靠物体级网格与渲染视图合成训练对，无需场景级位姿标注。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。