Dark3R：从暗处学习结构与运动
计算机视觉与模式识别
2026-03-16 v1
摘要
我们提出 Dark3R，一个针对暗光下结构从运动的框架，可直接处理原始图像，其信噪比（SNR）低于 -4 dB——这是传统特征和学习方法失效的 regimes。我们的关键洞察是通过教师-学生蒸馏过程，将大规模 3D 基础模型适配到极端低光条件，从而在低光环境中实现稳健的特征匹配和相机姿态估计。Dark3R 无需 3D 监督；仅使用噪声-干净原始图像对进行训练，这些图像可以直接获取，也可以通过应用于曝光良好原始图像的简单泊松-高斯噪声模型合成。为训练和评估，我们引入了一个新的、带曝光括号的数据集，包含约 42,000 多视角原始图像，配有真实的 3D 标注，我们展示 Dark3R 在低 SNR 条件下实现了结构从运动的现代技术水平。进一步，我们展示了在 Dark3R 预测的姿态下，通过粗到细辐射场优化过程，在暗处实现了现代技术水平的新视角合成。
引用
@article{arxiv.2603.05330,
title = {Dark3R: Learning Structure from Motion in the Dark},
author = {Andrew Y Guo and Anagh Malik and SaiKiran Tedla and Yutong Dai and Yiqian Qin and Zach Salehe and Benjamin Attal and Sotiris Nousias and Kiriakos N. Kutulakos and David B. Lindell},
journal= {arXiv preprint arXiv:2603.05330},
year = {2026}
}
备注
CVPR 2026, Project Page: https://andrewguo.com/pub/dark3r