长尾互联网照片重建
计算机视觉与模式识别
2026-04-27 v1
摘要
互联网照片集合呈现极端长尾分布：少数著名地标密集拍摄且易于3D重建，而大多数真实场景仅以稀疏、嘈杂、不均匀的图像表示，超出经典方法和学习方法的能力。我们认为，解决这一长尾场景是3D基础模型的下一个前沿。虽然可靠的3D监督信号来自稀疏场景获取具有挑战性，但我们观察到可以通过从已成功重建的互联网地标中抽取稀疏子集来有效模拟。为此，我们引入MegaDepth-X，一个包含干净、稠密深度的3D重建大型数据集，以及一种用于抽取模仿长尾场景中摄像机分布的训练图像子集的策略。使用这些组件微调3D基础模型，可实现极端稀疏条件下的稳健重建，同时在对称和重复场景中实现更可靠的重建，同时保持对标准稠密3D基准数据集的泛化。
关键词
引用
@article{arxiv.2604.22714,
title = {Long-tail Internet photo reconstruction},
author = {Yuan Li and Yuanbo Xiangli and Hadar Averbuch-Elor and Noah Snavely and Ruojin Cai},
journal= {arXiv preprint arXiv:2604.22714},
year = {2026}
}
备注
Project page: https://megadepth-x.github.io/