Paper · watchlist
Paper monitorati
I paper recenti che potrebbero migliorare la nostra pipeline di
ricostruzione 3D (3d-data-reconstruction → 3d-viewer). Una scheda
per paper: cosa fa, perché conta per noi, quali limiti ha e — soprattutto —
quale evento cambierebbe il nostro verdetto.
P00x e non si cancellano mai: un paper scartato tiene la sua scheda (con la
ragione), così non lo rivalutiamo da zero sei mesi dopo. Vocabolario dello stato:
watching (interessante, nessuna azione possibile) ·
testable (codice/pesi disponibili, esperimento possibile) ·
tested (provato sui nostri dati — linkare la scheda esperimento) ·
adopted / discarded (con la ragione).
Un indice speculare vive su Obsidian (EC Vault → Researches → Monitored Papers - 3D
Reconstruction) — quando uno stato cambia, aggiornare entrambi.
Watchlist
| id | paper | data | rilevanza per la pipeline | stato |
|---|---|---|---|---|
| P001 | PixWorld — generazione e ricostruzione 3D unificate in pixel space | lug 2026 | gaussiane feed-forward da viste sparse + completamento generativo delle zone mai riprese | watching (né codice né pesi, per ora) |
P001 — PixWorld · aggiunto 13 lug 2026
- Paper
- PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space — Gao, Wang, Cao, Yu, Wang, Bian (NTU + AISphere) · arXiv 2607.05373
- In una riga
- Un unico diffusion transformer da ~1B che ricostruisce e genera gaussiane 3D pixel-aligned da una manciata di viste, in feed-forward.
- Stato
- Watching. Né codice né pesi rilasciati al 13 lug 2026 — nessun repository linkato nel paper, nessuno trovato via ricerca.
Cosa fa
Prende un set di viste, le divide in «pulite» (condizionamento, ricostruzione) e «rumorose» (target generativo), e produce gaussiane 3D pixel-aligned in un solo forward pass. La novità vera è dove vive la diffusione: non in un latente VAE (la strada di Gen3R) ma direttamente in pixel space, supervisionata attraverso il rendering differenziabile delle gaussiane predette — l'obiettivo di diffusione ottimizza la rappresentazione 3D stessa. Due ancore in più: una geometry perception loss che allinea le viste renderizzate al ground truth nello spazio feature di modelli 3D foundation congelati (π³, VGGT), e la supervisione di pseudo-depth da DA3.
I numeri: batte MVSplat/DepthSplat sulla ricostruzione sparse-view (RealEstate10K 4 viste: PSNR 26.21) e LVSM sulla generazione da 1–2 viste; primo assoluto su WorldScore (71.04), con il punteggio più alto sul camera control (91.08). Addestrato a 336×448 su 32 A800.
Perché conta per noi
1 — L'economia della ricostruzione. La pipeline attuale (pose/depth da LingBot-MAP → ottimizzazione 3DGS per-scena) richiede copertura densa e ~30 min di GPU a scena. Un modello feed-forward che emette gaussiane da 2–4 viste cambia quale frazione di un capture di gameplay è ricostruibile in assoluto.
2 — La risposta diretta al muro di E001. E001 ha stabilito che la qualità del nostro 3DGS collassa ~20 cm fuori dal corridoio di cattura, e che è un limite della cattura, non dell'ottimizzazione — nessun regularizer lo sposta. La metà generativa di PixWorld è esattamente lo strumento che manca per quella classe di problemi: completare in modo plausibile ciò che il giocatore non ha mai guardato, invece di lasciare buchi.
3 — Costo di integrazione a valle: zero. L'output è gaussiane 3D standard:
qualunque cosa produca è già renderizzabile in 3d-viewer e nelle demo.
4 — La direzione strategica. Vincere il camera control di WorldScore significa generazione di scene navigabili e camera-consistenti da pochissime immagini — il ponte da «ricostruiamo ciò che il giocatore ha ripreso» a «generiamo il mondo di gioco esplorabile». Per una pipeline il cui input sono registrazioni di gameplay, è la traiettoria che conta.
test-gta-demo-1,
poi fine-tune sui nostri capture con pose/depth LingBot-MAP al posto di DA3. A
prescindere dal rilascio, il pattern va seguito: diffusione in pixel space
supervisionata via rendering delle gaussiane + loss geometrica su foundation model 3D
congelati è il punto verso cui sta convergendo il filone feed-forward splatting —
aspettiamoci follow-up con codice.