SERES 是什么？只用几张照片重建高精度 3D 模型

SERES（Semantic-Aware Reconstruction from Sparse Views）是一种从少量照片重建 3D 模型的方法，由上海交通大学、曼彻斯特大学和香港中文大学的研究人员在 2025 年 8 月提出，论文标题是《SERES：基于语义感知的稀疏视图神经重建》。

稀疏视角重建为什么难

用多张照片重建一个物体的 3D 模型，照片越多、角度越全，重建得越准。但现实中常常只有寥寥几张照片，这就是稀疏视角重建。照片少了，不同照片之间的特征很难准确匹配，一个点在这张图里和另一张图里对应的位置容易找错，导致严重的“辐射歧义”：模型分不清颜色和光照的变化到底来自哪里；同时也会产生形状上的歧义，重建出的物体表面可能凹凸不平、出现空洞。

SERES 的做法

SERES 的关键是给神经隐式表示加入语义信息。神经隐式表示是用神经网络来描述 3D 场景的方法，常用符号距离场（SDF）表示物体的表面形状，用辐射场表示颜色和外观。SERES 在此基础上加入了基于图像块的语义 logits，也就是每一处“属于什么部分”的语义信息，并和符号距离场、辐射场一起优化。这些语义信息的初始值，可以用一个无需训练的分割模型和视觉 Transformer 得到。有了语义的约束，不同照片之间同一部位的特征就更容易正确匹配。

此外，论文还引入了一种基于几何基元掩码的正则化方法，用来减轻形状上的歧义，让重建出的表面更平整、更合理。

意义

实验评估显示，SERES 的重建误差（倒角距离）明显低于已有方法。从少量照片快速得到高质量的 3D 模型，对电商商品三维展示、文物数字化、游戏资产制作和机器人对物体的三维理解都有实际价值。