用于结构化 3D 重建的人类偏好解释指标
计算机视觉与模式识别
2025-10-07 v2
摘要
“不可度量，不能改进”虽未必出自卡尔·温斯坦（Lord Kelvin）之口，却有效概括了本项工作的驱动力。本文提出了一套用于评估结构化 3D 重建的自动化指标，深入讨论了每种指标的局限性，并通过专家 3D 模型师的偏好进行分析。提出了一套系统的“单元测试”，用于实证验证所需属性。提供了在不同应用情境下选择合适指标的上下文感知建议。最后，提出了一套从人类专家判断中提炼的学习型指标并进行分析。源代码已公开于 https://github.com/s23dr/wireframe-metrics-iccv2025。
引用
@article{arxiv.2503.08208,
title = {Explaining Human Preferences via Metrics for Structured 3D Reconstruction},
author = {Jack Langerman and Denys Rozumnyi and Yuzhong Huang and Dmytro Mishkin},
journal= {arXiv preprint arXiv:2503.08208},
year = {2025}
}
备注
ICCV 2025 Highlight