Building Rome reconstruit une scène 3D entière depuis une seule photo

Les auteurs, d'Applied Intuition, de Purdue, de l'Illinois et de Berkeley, découpent la scène en blocs dont la taille croît avec la distance, les génèrent l'un après l'autre en réutilisant des latents qui se recouvrent, et conditionnent chaque voxel sur l'image : libre, visible ou masqué. La page du projet compare à World Tracing, GenRecon, VolFill et Lyra 2.0 uniquement en images : ni chiffre, ni métrique. Code et poids sont publiés. Le visualiseur en ligne utilise des maillages simplifiés d'environ 1,5 million de faces, moins fins que ceux de l'article (arXiv 2610.08790, non lu).