Tag · 3 篇
相机姿态估计
分布 3D 视觉与重建2自监督与表征学习1
01 02 03
Selfi：通过三维几何特征对齐的自改进重建引擎
Selfi: Self-improving Reconstruction Engine via 3D Geometric Feature Alignment
通过重投影一致性损失将 VGGT 特征蒸馏到几何对齐的特征空间，可作为一种通用的自监督特征对齐手段，提升多视图几何一致性，直接用于新视角合成和相机姿态估计。
OmniVGGT：全模态驱动的视觉几何基础 Transformer
OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer
GeoAdapter 通过零初始化卷积将深度与相机内外参注入空间基础模型，配合随机模态子集训练，使模型在推理时可灵活利用任意数量辅助几何输入而不牺牲速度，为多视图三维重建与相机姿态估计提供了可复用的多模态融合范式。
LA-Pose：潜变量动作预训练遇上姿态估计
LA-Pose: Latent Action Pretraining Meets Pose Estimation
将逆动力学自监督预训练得到的潜变量动作特征作为相机姿态估计器的输入，仅需少量高质量3D标注微调即可实现高精度、可泛化的前馈姿态预测，为视觉里程计和自动驾驶感知提供了一种可扩展的预训练范式。