CORGI: Consistency-Aware 3D Dog Reconstruction from a Single Image in the Wild

📄 arXiv: 2607.00321v1 📥 PDF

作者: Yuxiao Wu, Weile Li, Boyi Zhu, Yumeng Liu, Youcheng Cai, Ligang Liu

分类: cs.CV

发布日期: 2026-07-01

💡 一句话要点

提出CORGI框架以解决单图像下的3D犬重建问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 3D重建 计算机视觉 深度学习 生成模型 动物建模 自监督学习 虚拟现实

📋 核心要点

  1. 现有方法在从单张图像重建高度关节化动物（如狗）时面临生成不一致性和缺乏多视角数据的问题。
  2. 本文提出CORGI框架，通过CDOG、CA-3DGS和DCGR三个核心模块，实现无监督的3D犬重建，提升生成质量。
  3. 实验结果显示，CORGI在多种犬种上表现出色，生成的3D模型在几何准确性和视觉一致性上均优于现有方法。

📝 摘要（中文）

重建高度关节化动物（如狗）的高保真3D模型，从单张自然图像中提取信息仍然是一个巨大的挑战。本文提出了CORGI，一个新颖的框架，旨在从单张无约束图像中进行一致性意识的3D犬重建，完全消除了对3D监督的需求。为了解决生成不一致性和缺乏多视角捕捉的问题，我们的管道引入了三个核心组件：首先，提出了基于规范的轨道生成策略（CDOG），利用专门的规范和轨道LoRA来规范任意输入姿势并合成可靠的360度视频观察；其次，设计了一种一致性意识的可变形3D生成模块（CA-3DGS），通过专用神经变形场显式建模每视图生成误差，以学习准确的顶点级位移；最后，引入了一种自监督的变形条件生成修复模块（DCGR），以消除结构扭曲并恢复高频细节。大量实验表明，CORGI在各类犬种中实现了最先进的性能，生成几何准确、视觉一致且完全可动画的3D资产，适用于下游应用。

🔬 方法详解

问题定义：本文旨在解决从单张自然图像中重建高保真3D犬模型的挑战，现有方法常常受到生成不一致性和缺乏多视角数据的限制。

核心思路：CORGI框架通过引入一致性意识的生成策略，消除了对3D监督的需求，利用多个模块来提高生成模型的准确性和一致性。

技术框架：整个框架包括三个主要模块：CDOG用于生成规范化的360度观察，CA-3DGS用于建模视图生成误差，DCGR用于修复结构扭曲和恢复细节。

关键创新：最重要的创新在于CDOG和CA-3DGS模块的设计，前者通过规范化输入姿势来生成一致的视图，后者则通过神经变形场显式建模生成误差，显著提高了生成的准确性。

关键设计：在CA-3DGS中，使用了D-SMAL先验来指导生成过程，DCGR模块则采用自监督学习策略，确保高频细节的恢复，整体架构在参数设置和损失函数上进行了精细调整，以优化生成效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，CORGI在多种犬种的3D重建任务中表现优异，生成的模型在几何准确性和视觉一致性上均超过了现有的最先进方法，具体性能提升幅度达到XX%（具体数据未知）。

🎯 应用场景

该研究的潜在应用领域包括动画制作、虚拟现实和增强现实等，能够为游戏开发、影视特效以及宠物相关产品的设计提供高质量的3D模型，具有重要的实际价值和广泛的市场前景。

📄 摘要（原文）

Reconstructing high-fidelity 3D models of highly articulated animals, such as dogs, from a single in-the-wild image remains a formidable challenge. In this paper, we introduce CORGI, a novel framework for consistency-aware 3D dog reconstruction from a single unconstrained image that completely eliminates the need for 3D supervision. To overcome generative inconsistencies and the lack of multi-view capture, our pipeline introduces three core components. First, we propose a Canonical-Driven Orbital Generation (CDOG) strategy, utilizing specialized Canonical and Orbit LoRAs to normalize arbitrary input poses and synthesize reliable 360-degree video observations. Second, we design a Consistency-aware Deformable 3DGS (CA-3DGS) module that anchors on a D-SMAL prior, explicitly modeling per-view generative errors through dedicated neural deformation fields to learn accurate vertex-level displacements. Finally, to eliminate structural distortions and recover high-frequency details, we introduce a self-supervised Deformation-Conditioned Generative Repair (DCGR) module. Extensive experiments demonstrate that CORGI achieves state-of-the-art performance, generalizing seamlessly across diverse dog breeds to produce geometrically accurate, visually coherent, and fully animatable 3D assets ready for downstream applications.