FixAnything

När man renderar en 3D-scen från vinklar långt från de foton den byggdes av blir resultatet ofta fullt av artefakter: suddiga partier, hål och flytande skräp. FixAnything lagar sådana renderingar genom att behandla dem som en video som ska översättas till en ren video, med samma kamerarörelse som originalet.

Grunden är videomodellen Wan2.1-I2V-14B, som anpassats med en liten LoRA-modul (under 1 procent av parametrarna). Den trasiga renderingen fungerar som styrsignal för kameran, och en mask talar om vilka bildrutor som är rena foton att lita på och vilka som ska lagas. Enligt forskarna räcker det med ett glest punktmoln och så lite som cirka 20 parade videor för träningen, och samma modell fungerar för 3D Gaussian splats, NeRF, mesh och punktmoln.

I ett andra steg tränas modellen att hålla geometrin konsekvent. Flera förslag skapas per scen och rankas efter hur exakt kamerapositionerna kan återskapas ur resultatet med verktyget COLMAP. Det förbättrade måttet på kameranoggrannhet från 61,1 till 68,3 (AUC@5°), utan extra kostnad när modellen används.

FixAnything kommer från Carnegie Mellon University och har antagits till konferensen ECCV 2026. Kod och LoRA-vikter är släppta under Apache 2.0, samma licens som Wan2.1.