# DUSt3R – 从任意图像集合中重建3D场景的框架

- Link: https://paooo.com/aigc-news/28134/
- Published: 2026-07-10T01:11:14+08:00
- Author: Prompt 语宙研究院

## DUSt3R是什么

DUSt3R（Dense and Unconstrained Stereo 3D Reconstruction，密集无约束立体三维重建）
是由来自芬兰阿尔托大学和Naver欧洲实验室的研究人员推出的一个3D重建框架，旨在简化从
任意图像集合中重建三维场景的过程，而无需事先了解相机校准或视点位置的信息。该方法
将成对重建问题视为点图的回归问题，放宽了传统投影相机模型的约束，还引入了全局对齐
策略以处理多个图像对。

阅读目录

 * [DUSt3R是什么](https://paooo.com/aigc-news/28134/#dust3r%e6%98%af%e4%bb%80%e4%b9%88)
 * [DUSt3R的官网入口](https://paooo.com/aigc-news/28134/#dust3r%e7%9a%84%e5%ae%98%e7%bd%91%e5%85%a5%e5%8f%a3)
 * [DUSt3R的主要功能](https://paooo.com/aigc-news/28134/#dust3r%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [DUSt3R的技术原理](https://paooo.com/aigc-news/28134/#dust3r%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)

![DUSt3R](https://paooo.com/wp-content/uploads/2026/07/dust3r-framework-1.avif)

## DUSt3R的官网入口

 * 官方项目主页：[https://dust3r.europe.naverlabs.com/](https://dust3r.europe.naverlabs.com/)
 * GitHub代码库：[https://github.com/naver/dust3r](https://github.com/naver/dust3r)
 * arXiv研究论文：[https://arxiv.org/abs/2312.14132](https://arxiv.org/abs/2312.14132)

## DUSt3R的主要功能

 * **快速3D重建**：DUSt3R能够在极短的时间内（不到2秒钟）从输入图片中重建出3D模型，
   对于实时应用或快速原型制作非常有用。
 * **无需相机校准**：与传统的3D重建技术不同，DUSt3R不需要任何相机校准或视点姿势的
   先验信息。这意味着用户无需进行复杂的设置，只需提供图片即可。
 * **多视图立体重建（MVS）**：DUSt3R能够处理多视图立体重建任务，即使在提供超过两
   张输入图像的情况下，也能有效地将所有成对的点图表示为一个共同的参考框架。
 * **单目和双目重建**：DUSt3R统一了单目和双目重建的情况，即可以使用单个图像或成对
   的图像来进行3D重建。
 * **生成多种类型的3D视觉图**：除了3D重建，DUSt3R还能生成深度图，可以理解场景中物体
   的相对位置和距离。此外，DUSt3R还能输出置信度图，用于评估重建结果的准确性，以及
   用于3D建模和可视化的点云图。

## DUSt3R的技术原理

 * **点图（Pointmaps）**：DUSt3R使用点图作为其核心表示，这是一种密集的2D场，其中
   包含了3D点的信息。点图为每个像素提供了一个与之对应的3D点，从而在图像像素和3D场景
   点之间建立了直接的对应关系。
 * **Transformer网络架构**：DUSt3R基于标准的Transformer编码器和解码器构建其网络架构。
   该架构允许模型利用强大的预训练模型，从而在没有显式几何约束的情况下，从输入图像
   中学习到丰富的几何和外观信息。
 * **端到端训练**：DUSt3R通过端到端的方式进行训练，可以直接从图像对中学习到点图，
   而不需要进行复杂的多步骤处理，如特征匹配、三角测量等。
 * **全局对齐策略**：当处理多于两张图像时，DUSt3R提出了一种全局对齐策略，该策略能够
   将所有成对点图表达在共同的参考框架中，能够处理多个图像对，这对于多视图3D重建尤
   为重要。
    ⌊DUSt3R全局对齐策略⌉
 * **多任务学习**：DUSt3R能够在训练过程中同时学习多个相关任务，如深度估计、相机参数
   估计、像素对应关系等。这种多任务学习策略使得模型能够更全面地理解场景的几何结构。

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/28134/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)