利用 3D Foundation Models 重建地理多样化的建筑

arXiv:2610.22514v1 发布类型：cross 摘要：互联网规模的真实世界地标照片集合推动了 3D 计算机视觉的发展，但对于现代 3D Foundation Models（3DFMs）而言，这些数据仍然极具挑战性，因为此类模型需要通过单次前馈处理来估计场景结构。在本研究中，我们引入了 ArchWorld，这是一个涵盖地理范围广泛且包含丰富元数据的 3D 建筑地标基准。我们利用该基准对当前 3DFMs 进行全面的误差分析，以了解它们的不足之处以及改进方法。我们考察了模型误差中具有社会意义的差异，发现模型性能因地理区域而异；然而，与典型的公平性范式不同的是，这些趋势仅部分符合训练数据的地域分布。我们的研究表明，观察到的地理差异不仅反映了数据分布和场景规模的差异，也反映了特定地区建筑特征和背景干扰因素的差异，而这些因素使不同地区的场景在本质上具有不同的难度。基于对这些模型失效情况的认识，我们提出了一种干预方案，在提升 3DFM 性能的同时减少地理差异。