拍照變 3D 不再有死角！NVIDIA 推出 ArtiFixer 黑科技，解決傳統重建破圖痛點
NVIDIA 發表 ArtiFixer，結合生成技術解決 3D 場景重建的破圖痛點。ArtiFixer 能補齊相機未拍到的死角，確保 3D 場景在視角切換時展現極高的一致性與細節，為電…
如何從數張照片中重建出逼真的 3D 場景？這是近年電腦視覺領域的熱門研究方向。
然而，傳統的重建方法往往會遇到一個硬傷：一旦相機沒有拍到某個角度，該區域就會變成一片空白或出現嚴重的破圖。
為了解決這個痛點，NVIDIA Research 開發出全新的 3D 場景生成 AI 模型——ArtiFixer。這款模型是以開源影片生成 AI「Wan 2.1」為基礎進行開發，擁有高達 169 億個參數。它的最大特色在於，能夠藉由生成技術「憑空補齊」照片中未包含的死角，進而建構出高品質、無死角的 3D 場景。
結合 Wan 2.1 影片生成技術，解決傳統 3D 高斯潑濺的「破圖」痛點
近年來，利用多張照片來生成 3D 場景的「3D 高斯潑濺（3D Gaussian Splatting）」技術取得了相當大的進展。然而，傳統的 3D 高斯潑濺系統依然存在兩大棘手問題：
1. 場景一致性難以維持：在不同視角切換時，畫面容易出現閃爍或扭曲。
2. 未拍攝區域的成像崩壞：一旦遇到照片沒拍到的死角，系統就無法正確渲染。
ArtiFixer 正是為了解決這些問題而誕生。NVIDIA 開發團隊以擁有約 169 億參數的 Wan 2.1 影片生成 AI 模型為基礎，透過「生成並填補未拍攝區域」的機制，成功大幅提升了 3D 場景的生成品質與完整度。
NVIDIA 官方也在社群平台 X展示了 ArtiFixer 的強大實力。即使鏡頭從未捕捉到某些幾何結構，ArtiFixer 也能自動預測並修補這些空白處。
雙階段訓練法：從區域填補到百影格自迴歸蒸餾
為了讓 ArtiFixer 具備如此驚人的預測與生成能力，開發團隊設計了兩階段的訓練流程：
- 第一階段：訓練 AI 模型具備「預測並補齊未拍攝畫面」的能力，讓它能合理推測出相機死角處的幾何形狀與材質。
- 第二階段：進行「自迴歸模型蒸餾（Distillation）」，讓模型能從單一影格中，穩定且連續地生成數百個影格，確保視角移動時的流暢度與一致性。
滿足不同需求的三種 ArtiFixer 模型版本
為了適應不同的運算需求與應用場景，NVIDIA 這次推出了三種不同架構的版本：
- ArtiFixer：核心版本，主要透過自迴歸模型（Autoregressive Model）來生成新的視角畫面。
- ArtiFixer3D：將 ArtiFixer 的生成結果進一步「蒸餾」並轉換成 3D 結構（3D Representation），特點是畫面的一致性極高，但邊緣細節有時會稍微模糊。
- ArtiFixer3D+：在 ArtiFixer3D 的結果之上，作為後處理再次套用自迴歸模型。如此一來，既能保留極高的一致性，又能呈現清晰銳利的畫面細節。
根據 NVIDIA 提供的對比測試，將傳統的「3DGUT」與 ArtiFixer 的不同版本進行比較，可以看出 ArtiFixer 系列在細節還原上更為出色。
而在「3DGUT」、「GenFusion」、「GSFixer」與「ArtiFixer3D+」的綜合對比中，ArtiFixer3D+ 生成的場景在立體感與精細度上都明顯優於其他同類技術，即使是雜物極多的複雜室內環境，也能完美還原出極高品質的 3D 空間。
相關連結
- ArtiFixer 專案官網：NVIDIA SIL Projects - ArtiFixer
- Hugging Face 模型庫：nvidia/ArtiFixer