从对象适配立体视觉：基于 StereoLunar 数据集的 3D 月球表面重建
计算机视觉与模式识别
2025-10-22 v1
摘要
accurate 3D 重建月球表面对于太空探索至关重要。然而，现有的立体视觉重建方法在此背景下难以胜任，由于月球缺乏纹理、光照变化困难以及非典型轨道轨迹。很少有基于人类尺度数据集训练的前沿深度学习模型被用于星球图像，无法直接迁移到月球条件下。为此，我们引入 LunarStereo，首个开源的月球全景立体图像数据集，通过基于高分辨率地形和反射率模型的光线追踪技术模拟生成。数据集涵盖多种高度、光照条件和观测角度，覆盖月球南极区域，为 3D 重建任务提供了物理依据的监督。基于该数据集，我们通过在 LunarStereo 上进行微调，将 MASt3R 模型适配至月球领域。我们通过对合成数据和真实月球数据的广泛定性和定量实验进行验证，评估了 3D 表面重建和相对姿态估计。广泛实验表明，我们的方法在合成和真实月球数据上均显著优于零样本基线，为在外星环境实现跨尺度泛化铺平了道路。
引用
@article{arxiv.2510.18172,
title = {Adapting Stereo Vision From Objects To 3D Lunar Surface Reconstruction with the StereoLunar Dataset},
author = {Clementine Grethen and Simone Gasparini and Geraldine Morin and Jeremy Lebreton and Lucas Marti and Manuel Sanchez-Gestido},
journal= {arXiv preprint arXiv:2510.18172},
year = {2025}
}
备注
Accepted to ICCV workshop 2025. The project page can be accessed via this https://clementinegrethen.github.io/publications/3D-Vast-ICCV2025.html URL. The source code is available at this https://github.com/clementinegrethen/StereoLunar URL