利用正弦几何先验学习动态场景重建
计算机视觉与模式识别
2025-12-30 v1
摘要
我们提出了SirenPose，一种新颖的损失函数，它结合了正弦表示网络的周期性激活特性与从关键点结构导出的几何先验，以提高动态三维场景重建的精度。现有方法在快速运动和多目标场景中往往难以保持运动建模精度和时空一致性。通过引入受物理启发的约束机制，SirenPose在空间和时间维度上强制实现一致的关键点预测。我们进一步将训练数据集扩展到60万个标注实例，以支持鲁棒学习。实验结果表明，与先前方法相比，使用SirenPose训练的模型在时空一致性指标上取得了显著提升，在处理快速运动和复杂场景变化方面表现出优越性能。
引用
@article{arxiv.2512.22295,
title = {Learning Dynamic Scene Reconstruction with Sinusoidal Geometric Priors},
author = {Tian Guo and Hui Yuan and Philip Xu and David Elizondo},
journal= {arXiv preprint arXiv:2512.22295},
year = {2025}
}