BIM建筑网第十届中国图学大会——“三维重建与生成”会前课程于2025年9月19日下午在湖北武汉成功召开。本次课程围绕从运动恢复结构、神经渲染技术和生成式AI三个维度展开，强调以问题导向与应用落地为核心。华中科技大学计算机科学与技术学院副教授、博士生导师李贤芝以及重庆大学计算机学院副教授王逸群出席并主持。
李贤芝副教授、王逸群副教授致辞并主持课程
“三维重建与生成”正重塑我们对物理世界与虚拟世界的认知边界。本课程围绕这一前沿方向，结合技术演进、方法论突破与应用前景展开全景式讲解：第一部分系统讲解传统三维几何重建，并剖析运动恢复与复杂结构等关键方法；第二部分聚焦神经渲染，深入解读 NeRF、3DGS 等技术如何革新三维重建范式；第三部分延伸至生成式 AI，探讨可控编辑与内容生成的原理与实践。课程兼具理论深度与典型案例，帮助学员系统构建“三维重建—神经渲染—生成式AI”的知识体系，面向虚实融合应用描绘清晰的未来图景。
首先，中国科学院自动化研究所的崔海楠副研究员以《三维重建的基石：从运动恢复结构（SfM）》为题开展授课，围绕 SfM 技术展开全面解读。课程先点明大规模场景三维重建在数字城市、无人系统等领域 “低成本、高完整、高精度、高效率” 的共性需求，数据来源涵盖无人机、街景车、手持设备等。接着深入 SfM 技术原理，讲解投影模型与相机内参（焦距、主点等）、外参（旋转矩阵、平移向量），分析不同传感器畸变模型差异，指出单视图因深度歧义无法确定三维结构，两视图需依场景选基本矩阵 F、本质矩阵 E 等，多视图则靠 SIFT/SuperPoint 等进行特征检测与匹配构建场景图。随后剖析技术挑战与突破，对比增量式 SfM（如 COLMAP，从种子图像扩展，易有误差累积）与全局式 SfM（如 GLOMAP，通过旋转、平移、位置平均一次性求解位姿），还提及多相机 SfM 利用内部刚性变换提升效率，20分钟可处理 1.1 万 + 图像，60分钟能完成 2.9 万 + 图像重建。课程结合 OpenMVG、TheiaSfM 等开源工具，以及城市建模（生成带全球坐标 3D 地图）、视觉定位（室内无 GPS 场景定位）等案例展现实用价值。最后展望未来，包括 Doppelgangers++ 优化错误匹配、MP-SfM 融合单目先验、VGGT 等端到端 SfM 框架发展，为参会者提供全景式认知。
崔海楠副研究员授课
第二，浙江大学信息学院特聘研究员廖依伊以《从NeRF到 3DGS：基于可微渲染的辐射场重建》为题开展授课。课程第一部分聚焦三维表征的发展，介绍了三维表征从体素、点云、Mesh发展到 NeRF以及3DGS的进程，并介绍了NeRF和3DGS之间的差异，指出NeRF通过全连接神经网络映射空间坐标与观测方向，生成高度写实图像，但依赖光线投射采样，计算开销大、难实时渲染；3DGS则以三维高斯分布表征场景几何与外观，采用光栅化渲染，在实时性上优势显著，不过由于渲染过程的近似和启发式的优化设计等问题导致写实度略相比于逊于最优的 NeRF扩展工作。面向3DGS的现有局限，课程的第二部分内容从不同维度介绍了对3DGS的改进，分别从如何优化、如何参数化、如何渲染等方向介绍了有代表性的3DGS改进工作，这些方法一定程度上克服了3DGS初值敏感、视角切换时具有突变等问题；同时也从应用角度出发介绍了基于3DGS的Mesh 重建方法以及前向重建方法。课程第三部分从3D转向4D，介绍了逐帧3D表示、4D高斯表示、规范空间与形变场表示等不同的4D表示方案，分享了动态场景冗余度高、快速运动建模难等问题的解决方案，为参会师生在辐射场重建领域的研究与应用提供了清晰路径，推动该技术在 AR/VR、自动驾驶等领域的落地探索。
廖依伊研究员授课
最后，中国科学院计算技术研究所研究员高林以《可控三维生成与编辑》为题授课，围绕三维生成和编辑的核心难点与技术落地，为参会者提供系统全面的课程内容。课程从高斯与 NeRF的编辑优化切入，讲授了如何通过NeRF抽取网格表面，并以此建立了对NeRF的几何编辑方法；讲授了三维生成和视频生成的研究挑战，原生三维生成方法、基于优化的反向三维生成方法和视频生成方法的基本原理。 进一步，讲述了一些前沿的方法和工作，包括如何通过分割先验和几何正则化先验来优化高斯泼溅、高斯泼溅的大尺度变形方法、重光照方法和材质解耦编辑方法、基于线稿和点云几何约束的生成方法等。
高林研究员授课
课程结束后，课程负责人为三位授课老师颁发了证书，以感谢他们带来的精彩分享和深度指导。
从左至右依次为崔海楠副研究员、廖依伊研究员、高林研究员
课程负责人李贤芝副教授、王逸群副教授为授课老师颁发证书
