Tag · 5 篇
多视角几何
Sky2Ground：变高度场景建模基准
Sky2Ground: A Benchmark for Site Modeling under Varying Altitude
提出 SkyNet 双流网络与 Masked-Satellite-Attention 机制，解决卫星图像在多视角相机定位与渲染中引入噪声的问题，并采用课程学习式相机采样策略；对做多视角几何、跨视角定位与神经渲染的研究者可复用其注意力隔离与训练采样思路。
基于神经场的扫描电子显微镜多探测器信号微结构三维表面重建
Neural Field-Based 3D Surface Reconstruction of Microstructures from Multi-Detector Signals in Scanning Electron Microscopy
把神经场与可学习前向模型结合，将 SEM 多探测器信号中的光度立体线索与多视角几何融合，实现自标定、抗阴影的三维表面重建；这套「物理成像模型嵌入神经场」的思路可迁移到其他非标准成像模态（如显微、内窥、X 光）的三维重建。
MV-TAP：在多视角视频中跟踪任意点
MV-TAP: Tracking Any Point in Multi-View Videos
把单目点跟踪扩展到多相机系统，用相机几何加跨视角注意力聚合多视角时空信息，可直接复用于多视角动态场景的轨迹估计与几何一致性建模。
LAMP：度量三维世界中的定位感知多相机人体跟踪
LAMP: Localization Aware Multi-camera People Tracking in Metric 3D World
「先提升后拟合」的思路值得借鉴：先用已知的 6-DoF 位姿与标定把各相机 2D 关键点提升到统一世界坐标系，形成时空射线云，再用端到端 Transformer 直接拟合 3D 人体运动；这样就把观察者自身运动与目标运动解耦，可复用于任何带位姿的多相机或动态相机人体捕捉场景。
DVGT：面向自动驾驶的视觉几何 Transformer
DVGT: Driving Visual Geometry Transformer
无需相机内外参、直接从无位姿多视角图像序列回归首帧自车坐标系下的全局稠密点图与逐帧自车位姿，这种「无显式几何先验 + 度量尺度直接预测」的设定可复用于任意相机配置下的在线建图与占用/深度预训练。