Google Research团队提出MELON技术，能在不依赖相机初始位姿、预训练或复杂训练方案的情况下，仅凭4至6张未标注位姿的2D图像，高精度重建物体3D模型。该技术通过轻量级CNN编码器动态回归相机位姿，并引入模损失（modulo loss）处理物体伪对称问题，为3D重建领域提供了一种简洁且易于集成的解决方案。
关键要点
- MELON结合轻量动态CNN编码器和模损失机制，解决从无位姿图像中重建3D物体时因伪对称导致的病态问题。
- 方法无需预训练或初始位姿估计，仅需4-6张图像即可实现与现有最优方法相当的3D重建精度。
- 该技术可轻松集成到现有NeRF框架中，大幅降低3D重建在实际应用中的门槛，如电子商务和自动驾驶。
MELON通过简化流程和消除对大量标注数据的依赖，有望推动3D重建技术更广泛落地，尤其在数据稀缺或场景动态变化的实际应用中。