Tag · 5 篇

跨视角一致性

分布 3D 视觉与重建2自动驾驶与遥感1生成模型与扩散1强化学习与具身智能1

Unsupervised Multi-agent and Single-agent Perception from Cooperative Views

利用多智能体协同视角的点云密度增益与跨视角一致性作为无监督信号，为单车单视角 3D 检测生成伪标签，可直接迁移到车路协同、V2X 等无标注部署场景。

MatLat: Material Latent Space for PBR Texture Generation

把预训练潜空间图像扩散模型迁移到多通道 PBR 材质生成时，关键是在 VAE 微调阶段保持潜变量分布与像素-潜变量空间对应关系；其「裁剪潜块解码并对齐图像区域」的正则化思路可直接复用于任何需要扩展通道数或保持潜空间局部性的生成任务。

Fresco: Frequency-Spatial Consistent Optimization for Fine-Grained Head Avatar Modeling

把拉普拉斯金字塔频率课程与 UV 空间像素级一致性正则结合，用于抑制头部虚拟人重建中的早期过锐化与跨视角漂移；这套「先低频后高频 + 共享 UV 坐标对齐」的优化调度可直接迁移到其他多视角可驱动人体/人脸重建管线。

ConsisVLA-4D: Advancing Spatiotemporal Consistency in Efficient 3D-Perception and 4D-Reasoning for Robotic Manipulation

对做视觉研究的人，这篇提供了不依赖额外深度传感器、仅从多视角 2D 观测构建紧凑潜变量几何 token 的思路（CO-Fuser），以及用跨视角物体身份对齐来保证语义一致性的做法（CV-Aligner），可直接迁移到需要多视角一致表征的 VLA 或具身操作策略中。

3D-Aware Multi-Task Learning with Cross-View Correlations for Dense Scene Understanding

把跨视角代价体作为几何一致性先验注入多任务编码器，为分割/深度等稠密任务提供 3D 感知的跨任务关联；该模块与架构无关，可直接插到现有 MTL 网络中复用。