# R3 Reconstruction

> R^3 — reconstrucción 3D vía regresión relativa. Implementación oficial del paper de CVPR.

- Skill: `ntizar/r3-reconstruction` (Agent Skill)
- Install (CLI): `npx skillmds@latest add ntizar/r3-reconstruction`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ntizar/r3-reconstruction/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ntizar (https://skillmd.com/u/ntizar)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ntizar/r3-reconstruction

---


# R^3 — 3D Reconstruction via Relative Regression

## Comparativa de alternativas (consultada 2026-09-01)

R^3 (310⭐, último push 2026-06-19) es la opción minoritaria del terreno "reconstrucción 3D desde imágenes". Ranking actual del ecosistema:

| Repo | Stars | Estado | Cuándo usarlo |
|------|-------|--------|---------------|
| `facebookresearch/vggt` | 14.314 | CVPR 2025 Best Paper | Primera opción: transformer de geometría visual, multi-vista → pose + profundidad + punto nube |
| `colmap/colmap` | 12.609 | Mantenimiento activo (push hoy) | SfM/MVS clásico robusto, la referencia cuando basta precisión y no hace falta deep learning |
| `ByteDance-Seed/Depth-Anything-3` | 6.244 | Activo (2026-07) | Monocular depth foundation model; ver skill `depth-anything-3` |
| `KevinXu02/R3` (este) | 310 | Activo (2026-06) | Regresión relativa — útil cuando el setup de cámara es irregular/calibración poor; niche académico |

**Veredicto:** para trabajo rutinario, VGGT o COLMAP primero; R3 solo si su enfoque de regresión relativa encaja exactamente. Skills hermanos: `depth-anything-3`, `colmap-view`, `gush3r-3d`.

- **[KevinXu02/R3](https://github.com/KevinXu02/R3)** — R^3 hace reconstrucción *feed-forward* por regresión de poses relativas, manejando vídeos largos sin SLAM; frente a VGGT/COLMAP es la opción nicho cuando el setup de cámara es irregular y la calibración pobre.

## Qué hace

[R^3](https://github.com/KevinXu02/R3) es la implementación oficial del paper "3D Reconstruction via Relative Regression" (CVPR). Permite reconstruir escenas 3D a partir de imágenes 2D usando regresión relativa de profundidades, más eficiente que métodos SfM tradicionales para certain use cases.

## Instalación

```bash
git clone https://github.com/KevinXu02/R3.git
cd R3
pip install -r requirements.txt

# Descargar pre-trained models
bash download_models.sh
```

## Uso básico

```python
from r3 import SceneReconstructor

# Reconstruir escena desde imágenes
reconstructor = SceneReconstructor(
    model_path='pretrained/r3.pth',
    device='cuda'
)

# Entrada: lista de imágenes con poses conocidas o estimadas
images = ['img1.jpg', 'img2.jpg', 'img3.jpg']
poses = [...]  # Camera poses (optional, R^3 puede inferirlas)

# Ejecutar reconstrucción
result = reconstructor.reconstruct(images, poses)

# Guardar result
result.save_mesh('output.ply')
result.save_depth('depth_map.png')
```

```bash
# CLI
r3 reconstruct --images ./scene/ --output output.ply \
  --model pretrained/r3.pth --device cuda
```

## Integración con pipelines 3D

```python
# R^3 → Three.js/WebGL para visualización web
import trimesh

# R^3 output →PLY
mesh = trimesh.load('output.ply')

# Convertir a glTF para WebGL
mesh.export('scene.gltf')
# Luego cargar en Three.js con GLTFLoader
```

## Pitfalls

- Requiere GPU CUDA para rendimiento práctico
- Los resultados dependen de la calidad y cobertura de las imágenes de entrada
- No es un reemplazo completo de SfM tradicional — mejor para escenas con superposición significativa
- El modelo pre-entrenado está optimizado para escenas urbanas/exteriores

## Referencias

- Paper: "3D Reconstruction via Relative Regression" (CVPR)
- Repo: https://github.com/KevinXu02/R3
- Relacionado: `depth-anything-3`, `colmap-view`, `threejs-3d-maps`, `monolith-terrain`