2K Retrofit: 基于熵引导的高分辨率3D几何预测的高效稀疏细化
计算机视觉与模式识别
2026-03-24 v2
摘要
高分辨率几何预测是实现自动驾驶、机器人和AR/MR中稳健感知的关键，但当前的基础模型因其无法扩展到现实世界的高分辨率场景而受到根本性限制。对这些模型直接进行2K图像推断会导致计算和内存需求的严重限制，使实际部署具有挑战性。为解决此问题，我们提出2K Retrofit，一种 novel 框架，使任何几何基础模型都能进行高效2K分辨率推断，而无需修改或重新训练主干网络。我们的ethods利用快速粗略预测和基于熵的稀疏细化来选择性地增强高不确定性区域，以最小的开销实现精确和高保真度的2K输出。广泛的基准实验表明，2K Retrofit始终实现了最先进的准确性和速度，弥合了研究进展与可扩展部署在高分辨率3D视觉应用之间的差距。代码将在接受后发布。
引用
@article{arxiv.2603.19964,
title = {2K Retrofit: Entropy-Guided Efficient Sparse Refinement for High-Resolution 3D Geometry Prediction},
author = {Tianbao Zhang and Zhenyu Liang and Zhenbo Song and Nana Wang and Xiaomei Zhang and Xudong Cai and Zheng Zhu and Kejian Wu and Gang Wang and Zhaoxin Fan},
journal= {arXiv preprint arXiv:2603.19964},
year = {2026}
}
备注
15pages