实体
camera poses
camera poses
PulseAugur coverage of camera poses — every cluster mentioning camera poses across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
混合框架通过姿态图优化精炼运动恢复结构
研究人员开发了一个混合框架,该框架增强了用于运动恢复结构任务的基于学习的ACE-Zero方法。这种新方法集成了姿态图优化(PGO)来精炼相机姿态和场景坐标,解决了ACE-Zero缺乏全局一致性约束所固有的姿态漂移和未对齐问题。通过从ACE-Zero的输出构建姿态图,并采用一种利用对极几何和光流一致性等几何先验的、感知不确定性的优化策略,该框架提高了姿态估计的鲁棒性和准确性。
-
新的捆绑调整框架提升了3D计算机视觉的准确性
研究人员开发了一个新的捆绑调整框架,提高了其在3D计算机视觉中的可扩展性和稳定性。该方法通过将群约束建模为类似相机的实体,统一了几何特征和高阶关系(如平行度和共面性)的优化。该方法通过2D重投影测量来表达这些约束,保留了传统基于点的捆绑调整的稀疏结构,并避免了数值不稳定性。实验表明,该新框架在运行时性能上可与经典方法相媲美,同时产生更准确、更详细的3D结构。
-
SpatialSV框架通过可解释的视觉监督增强MLLMs的3D空间感知能力
研究人员推出SpatialSV,一个旨在增强多模态大语言模型(MLLMs)3D空间感知能力的新框架。与依赖外部工具或不透明特征蒸馏的现有方法不同,SpatialSV将此能力直接内化到模型中。它通过面向任务的视觉监督来实现这一点,指导MLLMs将2D视觉特征转换为显式的3D表示,如深度图、相机姿态和点云。此过程不仅提高了空间智能,还通过可视化和诊断模型内部空间知识提供了可解释性。