LaS-Comp
LaS-Comp: Zero-shot 3D Completion with Latent-Spatial Consistency（CVPR 2026, arXiv:2602.18735）— Training-free 零样本 3D 补全，通过显式空间替换 + 隐空间梯度对齐桥接 3D 基础模型域差。
Overview
- 发布时间：CVPR 2026（arXiv 2602.18735）
- 关键词：零样本 · training-free · 3D 基础模型 · 潜空间对齐
- 核心问题：现有 3D 补全方法需要大规模配对训练数据。能否利用预训练 3D 基础模型（TRELLIS、Direct3D-S2）的生成先验，在不训练的情况下完成补全？
架构
Explicit Replacement（空间域替换）
- 将输入部分点云直接替换到预训练生成模型的输出空间中
- 保持观测区域的精确几何，替换缺失区域的生成结果
Implicit Alignment（隐空间梯度对齐）
- 在生成模型的潜空间中进行梯度下降优化
- 对齐补全结果与输入观测之间的 latent-spatial 一致性约束
- 迭代收敛到既保持观测几何又语义合理的完整形状
桥接 3D 基础模型
- 利用 TRELLIS（CVPR 2025 Spotlight）和 Direct3D-S2 的生成先验
- 无需专门训练即可完成任意类别形状补全
性能
| 指标 | LaS-Comp | ComPC | 提升 |
|---|---|---|---|
| 推理时间 | ~20s | ~60s | 3× 加速 |
| CD | 降低 27-31% | — | 显著 |
- Training-free：无需任何配对训练数据
- 比现有 zero-shot 方法 ComPC 快 3 倍，精度高 27-31%
关键创新
- 双域对齐：显式空间替换保证保真度 + 隐空间梯度对齐保证语义合理性
- 利用 3D 基础模型：首次将 TRELLIS/Direct3D 等大规模生成先验直接用于零样本补全
- Training-free：无需微调或训练
Related
- trellis — TRELLIS 结构化 3D 潜空间生成（CVPR 2025 Spotlight）
- direct3d — Direct3D 图像到 3D 潜扩散 Transformer
- point-cloud-completion — 点云补全总览
- diffcomplete — 条件扩散补全（有监督）
Sources
- arXiv:2602.18735 — LaS-Comp, CVPR 2026