从单张图像恢复三维场景，单个物体「像」往往不够，相邻物体还要在几何和物理上对得上。接触带又常被遮挡，独立生成的网格容易穿模、悬空。Hugging Face Daily Papers 于 2026-10-07 收录 Tetris3D：它做单图三维场景重建，目标是恢复作为场景在物理与几何上自洽的一组物体。作者认为现有方法常独立生成各物体，或只做隐式耦合，对有交互的相邻物体细粒度空间兼容性指导有限。Tetris3D 因此显式用周围物体的几何及其物理关系，条件化每一个物体的生成，引导形状与姿态在场景内保持几何合理、物理说得通。
把邻域写进生成条件
摘要没有网络结构、损失或采样流程，能确认的只有问题设定。兼容性不再留给后期拼装：生成当前物体时，条件来自周围几何和成对物理关系，形状与姿态一起被约束。论文还指向遮挡交互区——声称即便接触处看不见，仍要恢复连贯形状与姿态。生成顺序与条件如何编码，材料未写，这里保持保守。
数据 ComOb 与实验声称
ComOb 是物理仿真数据集，含 120 万个场景，覆盖多样物体类别的物理交互，并提供逐物体网格与成对物理关系标注。这对监督「谁支撑谁、谁贴着谁」比只有整屋网格更直接。类别表、仿真器和关系类型摘要未列，不能外推覆盖柔性或复杂关节。实验上，作者称在合成与真实场景做了综合评测：交互区域被遮挡时形状姿态仍连贯，生成质量与物理稳定性达到最优。分数、基线和稳定性定义均未在摘要出现。
我的判断
价值在问题定义，不在又一篇单图重建论文：邻域几何加物理关系被写成显式条件，120 万成对关系仿真场景把「拼得上」变成可训练目标。对物理 AI、可仿真资产和需要接触稳定的下游，这个方向比对纯外观更对口。适用边界窄——只谈单图，没有多视图、视频、物体数量上限和推理成本。局限同样直接：最优与遮挡鲁棒是摘要表述；物理稳定性若主要在仿真里成立，真实摩擦与形变仍未知。在看到全文对比表和失败案例前，宜当作一条清晰设定，而不是可接入生产的重建管线。