SceneBound:免训练关键帧写入规则用于流式三维重建
热点事件持续更新
SceneBound:免训练关键帧写入规则用于流式三维重建
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Ziming Wang等作者提出SceneBound,一种免训练的关键帧写入规则:仅当预测相机位姿与所有已存关键帧相距至少一个固定半径时,才写入当前帧,用于流式三维重建模型的记忆管理。作者称,同一半径在四个已发布模型和三种记忆类型上通用;在CUT3R的循环状态与StreamVGGT的KV缓存上,其平均轨迹误差在所评估的已发表免训练规则中最低,单遍与九遍遍历场景时关键帧仅增长3%至6%。 作者还称,SceneBound的关键帧数保持在访问位姿覆盖数的常数倍内,随到访地点增长,相机返回时保持平稳;在大场景中,解码首帧再次暴露漂移时即关闭子图。该工作为arXiv预印本(cs.RO/cs.CV),未经同行评议,效果尚未经独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
SceneBound:流式三维重建模型该记住多少帧报道时间线
沿着报道,了解事件的不同侧面。
11月3日
- arXiv · cs.ROSceneBound:流式三维重建模型该记住多少帧
SceneBound 是一项免训练规则,只在预测相机位姿与所有已存关键帧相距至少固定半径时写入当前帧,用于流式三维重建模型的记忆管理。作者指出,无信号地在均匀间隔帧上花掉同等更新预算,就能匹配九个已发表门控规则,且预算限制状态漂移。SceneBound 的关键帧数保持在访问位姿覆盖数的常数倍内,随到访地点增长、相机返回时保持平稳;在大场景中,解码首帧再次暴露漂移时即关闭子图。在 CUT3R 的循环状态与 StreamVGGT 的 KV 缓存上,同一半径跨四个已发布模型和三种记忆类型使用,取得所评估已发表免训练规则中最低的平均轨迹误差,单遍与九遍遍历场景时关键帧仅增长 3% 至 6%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。