幾何基礎模型能夠藉助前饋網路從一組影像中恢復相機位姿與稠密幾何，但這類模型通常預設輸入為針孔相機影像。該假設不僅停留在輸入端，還深入到了網路主幹：位置編碼和訓練損失都把影像中的某個位置與空間中的某個方向繫結，因此二者都依賴於鏡頭本身。
Any3R 的核心做法，是把這種依賴改換為對稠密射線場的條件化。所謂稠密射線場，就是穿過每一個畫素的單位方向向量。它可以在不指定鏡頭型別、不提供畸變係數、也不限制視場角範圍的前提下，描述任意中心相機。相比用針孔模型加畸變引數來近似真實鏡頭，直接使用逐畫素的射線方向更加通用，也更貼近成像的幾何本質。
具體而言，作者從兩個環節入手改造。其一是位置編碼：他們採用角座標，把旋轉位置編碼建立在每個影像塊實測的射線角度之上，並按每個檢視分別求值。這樣一來，編碼所表達的空間方向來自真實測量，而不是來自針孔模型的假設。其二是訓練損失：點損失不再按畫素均勻加權，而是按每個畫素在單位球面上覆蓋的面積，也就是立體角進行縮放。於是，無論鏡頭如何，監督訊號都在球面幾何上保持一致。
經過這兩處改動，位置編碼與監督訊號都不再依賴鏡頭型別。Any3R 因而成為一個可以直接接受任意中心相機輸入的前饋模型，並且能夠在同一場景中穩健地混合多種相機型別，無需為每種鏡頭重新訓練。
作者在三個資料集上構建了包含十三種中心相機的基準測試，並採用每方法各自預測的相機位姿進行重建，以考察各方法的綜合表現。結果顯示，Any3R 是其中精度最穩定的方法。這一特性使 Any3R 有望用於異構的眾包影像與檔案影像集合：這些來源往往跨越多種相機型別，難以按鏡頭逐一適配模型。
該論文由 Jingong Chen 等八位作者完成，於 2026 年 10 月 26 日提交至 arXiv，編號 arXiv:2610.36150v1，歸類於計算機視覺與模式識別（cs.CV）。作者同時提供了專案主頁，用於展示相關工作。