动态环境中可扩展三维场景重建的自适应关键帧选择
机器人学
2025-12-30 v3 计算机视觉与模式识别
摘要
在本文中，我们提出了一种自适应关键帧选择方法，用于改进动态环境中的三维场景重建。所提出的方法集成了两个互补模块：基于误差的选择模块，利用光度相似性和结构相似性（SSIM）误差；以及基于动量的更新模块，根据场景运动动态调整关键帧选择阈值。通过动态筛选最具信息量的帧，我们的方法解决了实时感知中的关键数据瓶颈。这使得从压缩数据流中创建高质量的三维世界表示成为可能，这是实现可扩展机器人学习和在复杂动态环境中部署的关键步骤。实验结果表明，与传统的静态关键帧选择策略（如固定时间间隔或均匀跳帧）相比，所提方法取得了显著改进。这些发现标志着向能够动态响应复杂和演化视觉场景的自适应感知系统迈出了有意义的进展。我们在两个最新的三维重建网络 Spann3r 和 CUT3R 上评估了所提出的自适应关键帧选择模块，观察到在两个框架中重建质量的一致提升。此外，广泛的消融研究证实了方法中每个单独组件的有效性，强调了它们对整体性能提升的贡献。
引用
@article{arxiv.2510.23928,
title = {Adaptive Keyframe Selection for Scalable 3D Scene Reconstruction in Dynamic Environments},
author = {Raman Jha and Yang Zhou and Giuseppe Loianno},
journal= {arXiv preprint arXiv:2510.23928},
year = {2025}
}
备注
Accepted at ROBOVIS 2026