FIRE3D：一分钟内前馈式交互 3D 场景重建框架

FIRE3D 提出统一框架，将单张 RGB 图像或随手视频在 1 分钟内（含预处理）转换为最多 12 个带纹理实例的可交互 3D 场景资产。其前馈推理管线从 RGB 捕获估计的 posed RGB-D 观测预测组合式场景表示，输出每个检测物体的 6-DoF 位姿、包围盒、mesh 与纹理，无需测试时优化。该框架在评测基准上取得领先的检测精度、强几何重建与有竞争力的渲染质量，并显著快于对比重建系统。