NeurIPS 2025 | 仅凭两组图重建可动物体，REArtGS让3D高斯“活”起来|可动|真实世界|运动学|高斯

大家好，跟大家聊一篇非常有意思的新工作，它关于如何让我们生活中的那些可活动关节的物体（比如椅子、笔记本电脑、柜子等）在3D世界里“活”起来。

研究团队来自合肥工业大学、中科院、上海交通大学、字节跳动，提出了一个名为 REArtGS 的新框架。这个名字是 REconstructing Articulated 3D Gaussian Surfaces 的缩写，意在通过3D高斯溅射（3D Gaussian Splatting）技术，来重建和生成这些可活动物体的3D模型。

最酷的是什么呢？它仅仅需要一个物体的 任意两个状态 的多视角图片，就能高质量地重建出带纹理的3D表面，并且还能生成这个物体在其他任何未见过状态下的样子。

论文标题 ：REArtGS: Reconstructing and Generating Articulated Objects via 3D Gaussian Splatting with Geometric and Motion Constraints (NeurIPS 2025)

作者团队： Di Wu, Liu Liu, Zhou Linli, Anran Huang, Liangtu Song, Qiaojun Yu, Qi Wu, Cewu Lu

机构： 中国科学院；中国科学技术大学；合肥工业大学；上海交通大学；字节跳动

论文地址： https://arxiv.org/abs/2503.06677

代码仓库(已开源)：https://github.com/wd-ustc-cs/REArtGS

项目主页： https://sites.google.com/view/reartgs/home

NeurIPS 2025 | 仅凭两组图重建可动物体，REArtGS让3D高斯“活”起来

研究背景：让静态的3DGS“动”起来

3D高斯溅射（3DGS）作为一项新兴技术，在静态场景的实时渲染上取得了惊人的效果，但要让它处理动态、尤其是可活动关节的物体，一直是个不小的挑战。

以前的方法，比如基于NeRF的方案，虽然能处理动态场景，但往往难以重建出高质量的带纹理表面，而且计算量巨大。而直接将3DGS用于可动物体，又会因为缺乏几何约束而导致模型表面出现各种瑕疵和伪影。

想象一下，要重建一把可以折叠的椅子，不仅需要知道它展开和折叠时的精确形状，还需要理解它的各个部件是如何连接和运动的。这对算法的要求非常高。而已有的方法要么需要密集的3D数据，要么需要整个运动过程的完整视频，这在现实应用中很难获取。

REArtGS：几何与运动双重约束下的高斯建模

为了解决这些痛点，REArtGS框架被提了出来。它的核心思路是在3D高斯基元的基础上，引入了额外的几何和运动约束。

整个流程可以分为两个核心步骤：

1. 带有无偏SDF引导的表面重建

首先，为了得到高质量的几何形状，作者们没有直接使用传统3DGS的透明度（opacity）来定义表面，而是引入了符号距离函数（Signed Distance Field, SDF）来指导高斯基元的学习。SDF可以更精确地表达一个点到物体表面的距离，从而形成更清晰、更平滑的物体表面。

但这里有一个“偏见”问题：高斯基元的中心点和它实际渲染贡献最大的点可能不一致。为了解决这个问题，作者提出了一种 无偏SDF正则化（unbiased SDF regularization） 方法。简单来说，它能确保当高斯基元的渲染贡献达到峰值时，其对应的空间位置正好落在SDF定义的物体表面上，从而大大提升了重建质量。

在获得了高质量的静态几何模型后，下一步就是让它“动”起来。研究者利用了可动物体的运动学结构（即关节的旋转或平移），为高斯基元建立了可变形场。

这个过程是无监督的，算法会自动学习物体的旋转关节（如椅子的转轴）或平移关节（如抽屉的滑轨）。通过对初始状态和结束状态的学习，模型就能推断出从一个状态到另一个状态的连续变化，并能泛化到任意中间状态。

实验效果：合成和真实世界数据双双告捷

为了验证REArtGS的实力，研究团队在合成数据集PartNet-Mobility和真实世界数据集AKB-48上进行了大量实验。

表面重建质量

在PartNet-Mobility数据集上，无论是从定量指标还是定性结果来看，REArtGS都表现出色。从下方的结果图可以看出，相比于之前的方法（如PARIS、GOF等），REArtGS重建的物体表面（无论是带纹理还是不带纹理）都更加平滑、完整，细节也更丰富。

下面的表格数据也证明了这一点。在Chamfer Distance (CD)、F1-score和EMD等多个评估表面质量的指标上，REArtGS都取得了 SOTA（State-of-the-art） 或接近SOTA的成绩。例如，在平均EMD指标上，REArtGS达到了 0.695，显著优于其他方法。