Tag · 8 篇

多视图立体

分布 3D 视觉与重建7数据集与评测1

iSplat: Iterative Learning for Fine-Grained Gaussian Splatting

把单次前馈高斯泼溅重建改成 3 次循环的 GRU 迭代优化器，配合基于不确定性的深度搜索空间收缩，可在不增加参数量的前提下显著提升跨数据集新视角合成的泛化；做前馈 3DGS 或深度先验融合的工作可直接借鉴该迭代精化范式。

VAD-GS: Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes

针对 3DGS 在无界动态城市场景中初始化点云覆盖不全导致梯度错误传播的问题，用体素级可见性推理筛出不可靠几何、再用多视图立体补出缺失结构来生成新的高斯基元，可直接迁移到自动驾驶场景重建与动态物体建模的稠密化环节。

UAVLight: A Benchmark for Illumination-Robust 3D Reconstruction in Unmanned Aerial Vehicle (UAV) Scenes

为多视图立体、SfM 与神经渲染方法提供了一个几何与视角固定、仅光照变化的受控评测基准，可用于诊断和缓解光照不一致导致的几何漂移、颜色不一致与阴影烙印问题，并支撑可重光照重建研究。

SPE-MVS: Spatial Position Encoding Enhanced Multi-View Stereo with Monocular Depth Priors

把单目深度先验编码成统一度量空间下的三维空间位置编码，并与图像特征一起送入代价体构建，为弱纹理、反光等光度一致性失效区域提供几何先验；做 MVS 或深度估计时可复用这一『空间位置相似度』替代纯光度匹配的思路。

Registration-Free Learnable Multi-View Capture of Faces in Dense Semantic Correspondence

提出无需配准训练数据的多视图3D人脸重建框架，利用伪线性逆运动学求解器保证拓扑一致性，并用点图和法向损失替代点到面距离以稳定训练；测试时优化策略可迁移到其他前馈重建任务中提升精度。

Olbedo: An Albedo and Shading Aerial Dataset for Large-Scale Outdoor Environments

为户外本征图像分解提供了带多视图一致 albedo/shading、度量深度、法线与 HDR 天空穹顶的真实航空监督，可直接用于微调室内合成数据训练的 CNN/扩散 IID 模型，并支撑 3D 资产重光照与材质编辑。

Multi-view Pyramid Transformer: Look Coarser to See Broader

MVP 的局部到全局视图层级和细到粗空间层级为多视图 Transformer 提供了高效处理大量视图的通用架构，可直接用于前馈式三维重建与高斯泼溅初始化。

LiDAR Prompted Spatio-Temporal Multi-View Stereo for Autonomous Driving

将稀疏但度量准确的激光雷达观测作为几何提示（硬先验锚定代价体、软特征引导）融入多视图立体，并用时空解码器融合相邻帧时序上下文，为自动驾驶场景下的度量深度估计提供可复用的融合范式。