图 5：不同前馈式新视角合成法门于效能上之对比。
此也反映出前馈式 3D 当前演进之现状宗旨：它不只为要于 benchmark 上提升指标，还要推动法门走向实时应用、源泉受限场景与长序列重修。
本文由浙江大学、南洋理工大学、Monash 大学、苏黎世联邦理工学院（ETH Zurich）及图宾根大学等机构联手成。
前者扩充操练分布，后者借助生成模型增强渲染结局，共同提升模型之泛化性与视觉品质。
作者将现有法门总括为特征增强、几何感知、模型效能、增强计策与时序感知五大方位。
表 1：前馈式 3D 重修代表性数据集汇总。
从显存占用、Gaussian 数量与推演光阴三名维度，展示不同法门于营造部署上之权衡。
图 6：数据增强与视觉增强两类 augmentation 计策之区别。
作者将其分为于线流式、离线办理、交互式建模以及面向特定差事之时序法门。
论文摘要与引言皆强调，此一范式正快速演进，并逐渐成为连接效能、泛化与体系落地本领之重要路线。
论教养确提到，此样之划分有助于更清晰地体谅不同 benchmark 对法门演进之牵引作用。
论文专门给出之不同代表性法门于显存占用、Gaussian 数量与推演光阴上之对比，清楚展示之此一方位于效能层面之权衡关系。
4. 增强计策：不只扩操练数据，也借助生成模型补足视觉先验 从论文之整理可看到，此条路线已从早期 CNN-based 机缘建模，逐步演进到 Transformer、Mamba、ViT 等更强之编码架构，同时不断强化 cross-view fusion 与 foundation model priors 之引入。
图 2：前馈式 3D 重修法门之 problem-driven 分类框架。
此一点极其重要，因它说明前馈式 3D 已不再只为一名纯几何建模疑难，而为于逐渐与生成式建模融合。
前景更强之前馈式 3D 体系，甚或既要复原可靠几何，也要通过大规模视觉先验提升完整性与逼真度。
它把前馈式 3D 场景建模小结为五名核心研讨方位：特征增强、几何感知、模型效能、增强计策、时序感知模型。
除之「准不准」，前馈式 3D 之另一名核心疑难为「能不能真正用起来」。
近日，来自浙江大学、南洋理工大学、Monash University、ETH Zurich、图宾根大学等机构之研讨者联手发布综述论文，体系梳理之前馈式 3D 场景建模之研讨进展，并提出之一种区别于以往工之全新机构方式：不再主要按 NeRF、3DGS、Pointmap 等表示样貌划分法门，而为从模型试图处置之核心疑难出发，构建 problem-driven 之一统剖析框架。
与此同时，文章还体系小结之前馈式 3D 于自动驾驶、机器者、场景体谅、SfM/SLAM、视频生成与视觉定位等方位上之应用。
包括 ViT、ResNet、Mamba 等骨干网络，以及 DINO、CLIP、CroCo、diffusion 等根基模型先验。
此篇综述最大之身价，不只为体系小结之前馈式 3D 场景建模之演进，更于于它提出之一名更具解释力之视角：相比按表示样貌分类，围绕特征、几何、效能、增强与时序此些核心疑难来体谅法门演进，更能揭示此一领域真正之研讨脉络。
2. 几何感知：前馈式 3D 之核心不只为看图，更为「懂几何」 与旧俗 SfM、MVS、NeRF、3D Gaussian Splatting 等法门不同，前馈式 3D 场景建模（Feed-Forward 3D Scene Modeling）通过一次前向推演，直接从输入图像预测三维场景表示，从而显著降低测试阶段之改良本金，并具备更强之跨场景泛化本领与实际部署潜力。
尤其值得注意之为，作者把world models纳入前馈式 3D 之前景图景中，此意味之前馈式 3D 不再只为「更快之三维重修」，而或成为前景方位智能与全球建模体系中之根基模块。
作者还专门小结之近期前馈式 3D 模型常见之 encoder taxonomy，覆盖 ResNet、ViT、U-Net、Mamba 以及 DINO、CLIP、CroCo、diffusion 等预操练先验。
从 3D 表示、五大研讨方位，到数据集、应用场景与前景趋势，体系展示之前馈式 3D 场景建模之整体脉络。
行到水穷处，坐看云起时。若说特征增强处置之为「看得更清楚」，彼 geometry awareness 处置之就为「想得更对」。
论文指出，此类法门通过建模跨帧几何与运动一致性，进一步把前馈式 3D 扩展到动态场景与低延迟 4D 建模。
三国志。甚多综述于数据集与 benchmark 部分往往只为罗列，而此篇文章进一步从评测宗旨出发，将数据集划分为 geometry-oriented 与 visual-oriented 两类。
后干脆表态，以后玥儿与弟弟之事，不要再问她。
包括显式几何聚合、后办理细化、无位姿重修与预操练几何引导等几类代表性路线。
论文摘要中明确提出，现有前馈式法门虽输出表示多样，但于高层架构设计上共享大量共性，例如图像特征提取、多视图讯息融合、几何感知设计等，因此更有解释力之机构方式，应当为围绕模型设计计策与核心应战进行总括。
此一 problem-driven taxonomy 构成之全文之法门主线。
五大研讨方位重新机构前馈式 3D 前馈式 3D 方位演进甚快，但长期以来，甚多工仍然主要按照 3D 表示样貌来分类，例如 NeRF 一类、3DGS 一类、Pointmap 一类。
涵盖于线流式建模、离线时序办理、交互式建模以及面向特定差事之时序法门。
为什么此篇综述值得关注。
图 7：时序感知前馈式 3D 模型之主要范式。
论文标题：Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective论文地址: https://arxiv.org/abs/2604.14025课题地址：https://ff3d-survey.github.io/Github 论文整理：https://github.com/ziplab/Awesome-Feed-Forward-3D 图 3：近期前馈式 3D 模型常见编码器与预操练先验之演化脉络。
论文指出，前馈式 3D 体系中，隐式特征图品质直接决定后续 3D 解码效果。
论文指出，此种方式虽直观，却往往掩盖之真正推动法门演进之枢纽因素。
换句话说，甚多法门之枢纽改善，并不于输出层，而于「输入图像特征如何被建模、对齐并增强」此一层。
论文中之augmentation strategies不为狭义之数据增强，而为被分成之两条互补路线：一条为data augmentation，通过合成场景、伪标注、多视图生成等方式扩充操练分布；另一条为visual augmentation，借助 diffusion 等生成模型增强渲染结局、去除伪影并补全缺失细节。
此部分也清楚表明，前馈式 3D 正从「单名静态场景之快速重修」逐渐走向「延续建模全球」之本领形态。
此样读者能更清楚地看到，此些法门虽样貌不同，但本原上皆于回答同一名疑难：前馈式 3D 模型如何于一次推演中复原更可靠之场景几何。
此对机器者、自动驾驶、动态场景体谅以及方位智能体系皆极其枢纽。
此部分之一名重要身价于于，它把 cost volume、epipolar constraints、surface-aware modeling、pose-free reconstruction 等看似散落之法门路线，一统放进之一名更高层之框架里。
3. 模型效能：前馈式 3D 要真正落地，须同时处置速度与内存疑难 数次站上领奖台，却始终没有一张公开之露脸照，常年以“匿名”之状态坚守于禁毒一线。
论文认为，仅依赖 2D 图像特征易带来几何歧义，因此需通过显式几何聚合、后办理细化、无位姿重修、预操练几何引导等计策，把更强之几何推演本领注入模型。
论文因此把model efficiency单独作为一条主线，并分成两类：一类关注feature efficiency，即如何更高效地进行多视图特征聚合；另一类关注representation compaction，即如何压缩显式 3D 表示，尤其为 Gaussian 之数量与存储开销。
因此，大量工首先围绕feature enhancement展开，包括 backbone 架构演进、跨视图特征融合，以及视觉根基模型之引入。
于最后之讨论中，论文将前景方位小结为 benchmark rigor、model efficiency、scalable scene representations、world models、unified perception and reconstruction 等几条主线。
作者包括：Weijie Wang（浙江大学博士生）、Qihang Cao（共同一作）、Sensen Gao（共同一作），Donny Y. Chen（Project Lead），Haofei Xu、Wenjing Bian、Songyou Peng、Tat-Jen Cham、Chuanxia Zheng、Andreas Geiger（图宾根大学教授）、Jianfei Cai（Monash 大学教授，IEEE Fellow），及通讯作者 Jiawang Bian 与 Bohan Zhuang。
本文按照主要用途将现有数据集划分为几何导向、视觉导向与混合类型，并进一步统计其数据规模、来源类型、场景类别以及代表性之操练与测试法门，用于展示当前前馈式 3D 场景建模之数据根基与评测性命。
前者更强调点云、深度、位姿等几何品质，后者则更关注新视角合成中之视觉确凿感。
当被问及为否遗憾时，他此样回答—— 从「表示分类」走向「疑难驱动」： 图 1：本文综述整体框架。
从单幅图像复原三维架构，到多视图场景建模、动态 4D 重修，再到机器者、自动驾驶、SLAM 与视频生成，如何让模型于不依赖逐场景改良之先决下，直接、高效地体谅并重修三维全球，正成为 3D 视觉领域之重要方位。
前景趋势：前馈式 3D 会走向哪里。
基于此一观察，作者提出：与其围绕「输出为什么」来机构文献，不如围绕「法门到底于处置什么疑难」来重新体谅此一领域。
因于现状中，用同一种表示之法门，或于处置完全不同之疑难；而针对同一应战之不同法门，也或采用截然不同之表示。
它让吾等看到，前馈式 3D 之核心，不只为「输出什么三维表示」，而为「如何更稳、更准、更快地建立对三维全球之体谅」。
从此名意义上说，此篇工不仅为新进入此一方位之研讨者提供之一张清晰之路线图，也为整名社区重新体谅前馈式 3D 提供之一名更一统之剖析框架。
重新梳理之 benchmark 与应用全景 不只法门整理，此篇综述还 也正因此，此篇综述最突出之贡献，不只为「小结得全」，而为给出之一名新之观察框架。
1. 特征增强：先把 2D 特征学好，才能更稳地 lift 到 3D 5. 时序感知模型：从静态 3D 走向动态 4D 与延续全球建模 图 4：几何感知方位之主要改善路径。
前馈式 3D 之最后一条枢纽方位，为 temporal-aware models。
作者认为，此一范式已从研讨概念逐步走向实际技艺本领组件，正延续降低 3D 建模于确凿体系中之用门槛。