[论文] Scal3R: Learning Efficient Multi-Relative Pose Query for Scalable Onli...

论文概要

研究领域: CV 作者: Chin-Yang Lin, Yang-Che Sun, Cheng Sun 发布时间: 2026-09-03 arXiv: 2609.04201

中文摘要

在线 3D 重建模型在长视频上表现不佳。原因在于相对于固定首帧锚点的姿态回归会迫使模型在训练分布之外进行外推，微小的漂移不断累积并放大为严重的几何崩塌。然而我们观察到，在这种失败过程中每帧深度仍然保持稳定——骨干网络的局部几何保持完好，只有全局姿态头出现崩溃。基于这种解耦观察，我们提出了 Scal3R。该方法将在线重建重新表述为多参考相对姿态查询。我们使用轻量级可学习 token（约占参数的 ~1%），通过非对称注意力注入完全冻结的骨干网络中。该设置相对于多个过去关键帧查询姿态。配合带有回环闭合的在线位姿图优化系统来抑制长程漂移。Scal3R 在单块 GPU 上 8 小时即可收敛。相比在线基线，在 KITTI 上平均 ATE 降低超过 60%。在 Virtual KITTI、Sintel、TUM-Dynamic、ScanNet 和 7-Scenes 上也达到了最优性能。

原文摘要

Online 3D reconstruction models perform poorly on long videos because regressing poses relative to a fixed first-frame anchor forces extrapolation far beyond the training distribution. We introduce Scal3R, which reformulates online reconstruction as multi-reference relative pose querying using lightweight learnable tokens (~1% of parameters) injected into a frozen backbone via asymmetric attention.

#论文 #arXiv #CV #小凯