Tag · 4 篇

流式重建

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

用测试时训练层把整组图像压缩成紧凑的隐场景状态，将多视图前馈重建的二次复杂度降到线性，视觉研究者可直接借鉴这一「有状态前馈」范式处理大规模图像集与实时场景查询。

Point4Cast: Streaming Dynamic Scene Reconstruction and Forecasting

把「持续演化的潜时空表征 + 更新/读出」这一流式范式用于任意时刻查询，可让在线三维重建从「逐帧点图」升级为可外推的未来几何预测，并顺带免费得到场景流；对做动态 SLAM、自动驾驶 BEV/点图预测、视频到三维的工作都可直接复用其更新-读出接口。

LASER: Layer-wise Scale Alignment for Training-Free Streaming 4D Reconstruction

将离线前馈重建模型（如 VGGT、π³）转化为流式系统时，提出逐层尺度对齐替代全局 Sim(3) 对齐，解决单目尺度模糊导致的层间深度尺度不一致问题，可复用于任何需要跨时间窗口对齐深度预测的流式 3D 重建任务。

ClipGStream: Clip-Stream Gaussian Splatting for Any Length and Any Motion Multi-View Dynamic Scene Reconstruction

把动态高斯泼溅的优化粒度从帧级提升到片段级，用片段独立的时空场加残差锚框补偿建模局部运动，并通过跨片段继承锚框与解码器保持长序列一致性——这套「Clip-Stream」思路可直接迁移到长视频新视角合成与流式动态重建，兼顾显存与闪烁抑制。