Tag · 11 篇
位姿估计
Scal3R：面向大规模三维重建的可扩展测试时训练
Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction
用一组轻量神经子网络作为可压缩的全局上下文记忆，并在测试时以自监督目标快速适配，为长视频前馈重建提供了一种不显著增加算力的长程记忆机制，可直接迁移到 SLAM、长序列位姿估计与流式三维重建。
SCE-SLAM：通过场景坐标嵌入实现尺度一致的单目 SLAM
SCE-SLAM: Scale-Consistent Monocular SLAM via Scene Coordinate Embeddings
用场景坐标嵌入作为跨窗口的全局尺度锚点，配合几何调制注意力做历史尺度传播，可复用到任何存在尺度漂移的单目里程计/SLAM 或长序列位姿估计中。
RoboTAG：基于拓扑对齐图的端到端机器人位姿估计
RoboTAG: End-to-end Robot Pose Estimation via Topological Alignment Graph
把机器人位姿估计建模成 2D/3D 双分支的拓扑对齐图，用闭环上的跨分支一致性监督替代大量标注，这个「图节点=相机/机器人状态、边=对齐关系」的构造方式可直接迁移到单目相机重定位、手眼标定和 sim-to-real 位姿回归任务中。
PanoVGGT：基于全景图像的前馈三维重建
PanoVGGT: Feed-Forward 3D Reconstruction from Panoramic Imagery
将前馈式三维重建模型（如VGGT）扩展到全景图像，通过球面感知位置编码和三轴SO(3)旋转增强处理非针孔畸变，并引入随机锚定策略解决全局坐标系歧义，为全景相机下的联合位姿估计与稠密重建提供可复用方案。
ODGS-SLAM：全向高斯泼溅 SLAM
ODGS-SLAM: Omnidirectional Gaussian Splatting SLAM
把 3DGS-SLAM 的建图与相机位姿估计梯度扩展到等距柱状投影的全景输入，并给出闭式梯度推导；做全景/鱼眼多相机 SLAM 或想把 3DGS 表示用于大视场重建的人可以直接复用这套投影梯度与基于图分析的关键帧剔除策略。
LoD-Loc v3：利用实例轮廓对齐实现密集城市中的泛化空中定位
LoD-Loc v3: Generalized Aerial Localization in Dense Cities using Instance Silhouette Alignment
将语义建筑轮廓对齐升级为实例轮廓对齐，并配套生成大规模实例分割合成数据集，为密集城市场景下的跨场景视觉定位提供了可复用的数据与对齐范式。
面向几何视角扩散模型的景观感知
Landscape-Awareness for Geometric View Diffusion Model
把 Zero123 类新视角扩散模型反用于相机位姿估计时，可用基于 score 的景观重塑（landscape reshaping）替代朴素 multi-start 采样，缓解对称/自相似导致的局部极小，从而提升收敛速度与样本效率；这一优化思路可直接迁移到任何以扩散先验做位姿/参数反演的视觉任务。
基于特征高斯泼溅最近视角合成的分层视觉重定位
Hierarchical Visual Relocalization with Nearest View Synthesis from Feature Gaussian Splatting
将 Feature Gaussian Splatting 作为场景表示用于分层重定位，并用自适应视角检索合成与查询视角更接近的虚拟候选图，缓解数据库图像稀疏问题；同时提出粗阶段用高斯渲染特征、精阶段用图像直接提取特征的混合匹配策略，可直接迁移到任何基于特征匹配的位姿估计流程。
HOLO：面向SD地图细粒度视觉定位的单应性引导位姿估计网络
HOLO: Homography-Guided Pose Estimator Network for Fine-Grained Visual Localization on SD Maps
将单应性约束引入多视图图像与SD地图的跨模态定位，通过BEV投影和语义对齐构建满足单应性的输入对，并利用单应关系引导特征融合与位姿回归，为自动驾驶低成本定位提供了可复用的几何先验注入方式。
方向感知的 3D 大型多模态模型
Direction-aware 3D Large Multimodal Models
PoseRecover 用 RGB-D 视频外参、物体视锥求交与 Z-buffer 可见性检查自动为点云基准补全自我位姿，PoseAlign 则直接变换点云坐标使其与位姿对齐——这套「把位姿注入数据而非提示词或投影层」的做法，可复用于任何需要空间/方向推理的 3D 视觉-语言任务。
实时变化：基于多视角融合的在线场景变化检测
Changes in Real Time: Online Scene Change Detection with Multi-View Fusion
将 3D 高斯泼溅作为在线场景表示，配合 PnP 快速位姿估计与变化引导的增量更新，为视觉研究者提供了一套可复用的「在线、位姿无关、多视角一致」的 3D 场景变化检测框架，可直接迁移到机器人探索、AR 与长期建图等需要实时更新的任务。