跳到正文
arXiv · 机器人与计算机视觉· Yaolong Zhu, Peng Li, Jiahao Lu, Chengfeng Zhao, Mengfei Li, Chao Wang, Wenyue Chen, Zekai Gu, Chengwei Ren, Ronggang Wang, Yuan Liu·· 29 天前精选AI 评分82

PURE:利用无标签数据优化前馈式三维重建

PURE: Refining Feed-forward 3D Reconstruction with Unlabeled Post-training

AI 导读

PURE 是一种无需真值监督的后训练细化框架,旨在解决现有前馈式三维重建模型在处理动态真实世界视频时因非刚性运动、遮挡和光照变化而表现脆弱的局限。该方法通过蒸馏最先进的 2D 先验中的鲁棒结构知识至 4D 前馈架构,利用相对深度约束、仿射不变几何蒸馏及基于特征对应的姿态细化来稳定几何预测。

推荐理由

PURE 框架利用无标签数据进行后训练,通过蒸馏 2D 先验知识提升模型在动态场景下的深度与姿态估计鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org