基础模型能否革新移动 AR 稀疏感知？
计算机视觉与模式识别
2025-11-05 v1 新兴技术
摘要
移动感知系统长期面临计算、能源等限制下的感知质量与效率之间的根本性权衡。稀疏感知旨在获取和处理仅感知数据子集的策略，是维持性能在此类限制下的关键方法。然而，现有稀疏感知方法常因空间和时间上的信息缺失引入不确定性，导致精度下降。本文探讨了基础模型是否能改变移动稀疏感知的格局。利用真实移动 AR 数据进行评估，实验结果表明基础模型在几何感知图像配准方面显著提升——这是实现跨帧信息准确复用的核心技术。此外，本研究证明了基于基础模型的稀疏感知具有良好的可扩展性，在 3D 场景重建中实现领先性能。总体而言，本研究揭示了将基础模型集成到移动稀疏感知系统中所涉及的关键要点及开放挑战。
引用
@article{arxiv.2511.02215,
title = {Can Foundation Models Revolutionize Mobile AR Sparse Sensing?},
author = {Yiqin Zhao and Tian Guo},
journal= {arXiv preprint arXiv:2511.02215},
year = {2025}
}