arXiv · 机器人与计算机视觉· Megh Shukla, Edo Collins, Prashanth Chandran, Karel Petr\'anek, Sergio Orts-Escolano, Mathieu Salzmann, Alexandre Alahi·· 2026-10-20AI 评分53
建模 3D 可变形模型中的不确定性传播
Modeling Uncertainty Propagation in 3D Morphable Models
AI 导读
本文研究如何将 3D 可变形模型的参数空间方差映射到每个顶点的方差。传统采样或误差传播方法计算成本高,作者提出闭式局部不确定性估计(CLUE),利用全方差定律进行近似,具有模块化、低成本和高精度特点。实验表明,CLUE 在关节、网格和不确定性评估指标上优于概率及确定性基线,且不确定性与误差的相关性最高。代码已开源,并附带高分辨率不确定性图以增强回归器。
来源:arXiv · 机器人与计算机视觉 · arxiv.org