Tag · 3 篇

立体视觉

分布 3D 视觉与重建1医学影像与生物视觉1数据集与评测1
01
3D 视觉与重建 / CVPR2026

TESO:通过随机优化在线跟踪本质矩阵

TESO: Online Tracking of Essential Matrix by Stochastic Optimization

提出一种在本质矩阵流形上做在线随机优化的方法,用核相关鲁棒损失函数直接优化稀疏对应点,无需训练即可在线跟踪双目外参漂移,对资源受限的视觉感知系统有直接复用价值。

本质矩阵在线标定随机优化
02
医学影像与生物视觉 / CVPR2026

Real2Sim2Real:用于后节眼科手术深度估计的 RetinalDepth-64K

Real2Sim2Real: RetinalDepth-64K for Depth Estimation in Posterior Segment Ophthalmic Surgery

对做单目/立体/视频深度估计的人,这是一个可复用的合成数据生成范式:用 Blender 建模解剖结构并加入折射介质与后处理,再配合时序深度方差指标评估帧间稳定性,可直接迁移到其他缺乏深度真值的显微或内窥场景。

合成数据集深度估计Real2Sim2Real
03
数据集与评测 / CVPR2026

CARD:面向复杂道路地形的稠密三维重建多模态自动驾驶数据集

CARD: A Multi-Modal Automotive Dataset for Dense 3D Reconstruction in Challenging Road Topography

提供准稠密多激光雷达融合深度真值(每帧约 50 万有效深度像素,约为 KITTI 深度补全的 6.5 倍),可用于训练与评测深度估计/补全模型在减速带、坑洼、非铺装路面等困难地形上的细粒度几何能力;其立体引导深度补全变体与标准化评测协议可直接作为新基准复用。

多模态数据集深度补全激光雷达融合