透視箱子：基於雷達信號的非視距三維重建
論文《Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals》提出GeRaF 2.0框架，融合視線幾何約束與神經場，實現射頻信號下隱藏場景的高質量三維重建，在CVPR 2026發表。
文章情報
要點
- 射頻信號可穿透遮擋物獲取隱藏場景信息，但傳統方法受低分辨率和噪聲困擾。
- 現有非視距重建方法忽略視線幾何的物理約束，導致優化不穩定和表面模糊。
- GeRaF 2.0融合視線先驗與神經場，同時重建可見與隱藏幾何，實現物理一致的重建。
- 該方法在射頻幾何重建中取得最先進性能，為透視成像、自動駕駛等應用開闢新可能。
為甚麼重要
這條新聞值得關注，因為射頻信號可穿透遮擋物獲取隱藏場景信息，但傳統方法受低分辨率和噪聲困擾。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
2026年5月27日，一篇題為《Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals》的論文提交至arXiv，並被IEEE/CVF計算機視覺與模式識別會議（CVPR 2026）收錄。該研究由Jiachen Lu等人完成，提出了一種創新的統一視線（LoS）與非視距（NLoS）神經幾何重建框架GeRaF 2.0。
在計算機視覺與機器人感知領域，從射頻信號中重建物體幾何形狀是一項極具挑戰但極具前景的任務。與光學成像不同，射頻傳感本質上是無透鏡成像，導致空間分辨率低且噪聲水平高。然而，射頻信號具有穿透遮擋物的獨特能力，能夠揭示隱藏在牆壁、箱子等障礙物後的場景信息。這一特性使得非視距（NLoS）感知成為可能，但如何從嘈雜的射頻信號中恢復出精確的三維幾何結構一直是研究難點。
現有的NLoS三維神經重建方法，如基於神經輻射場（NeRF）或符號距離場（SDF）的技術，雖能恢復封閉環境內的粗略表面，但常常面臨優化不穩定、表面幾何噪聲大以及表面模糊等問題，難以從SDF中生成精確的零水平集。作者分析認為，這些侷限性的根源在於忽略了封閉區域外部視線（LoS）幾何的作用。實際上，LoS區域的幾何結構為信號傳播建模提供了寶貴的物理約束，能夠引導射頻信號從LoS區域到NLoS區域的傳播路徑，從而穩定重建過程。
為此，GeRaF 2.0框架創新性地整合了外部LoS幾何信息，將其作為先驗融入神經場表達中。通過引入視覺LoS先驗，該框架不僅能夠穩定訓練過程，還能在物理一致性約束下同時重建可見與隱藏區域的幾何形狀。具體而言，GeRaF 2.0利用雷達信號在LoS區域的已知傳播路徑，反向推導信號在NLoS區域的散射與反射行為，從而聯合優化可見與不可見部分的表面。實驗結果表明，該方法在多個基準數據集上均取得了最先進的性能，顯著超越了現有的射頻幾何重建方法，重建精度和表面質量均有大幅提升。
這一突破為透視成像、自動駕駛、安防監控、災難救援等需要穿透遮擋物進行三維感知的應用開闢了新的可能性。例如，在自動駕駛中，車輛可以藉助雷達信號“看到”被前方卡車遮擋的行人；在安防領域，可探測隱藏的物體或人員。論文的代碼和數據已計劃公開，有望推動該領域的進一步研究與實際部署。