LongDPM：基于重叠感知的长单目视频 4D 重建
计算机视觉与模式识别
2026-05-19 v1
摘要
从长单目视频中恢复动态三维场景至关重要，以确保稠密几何、相机运动和时间对应在统一坐标系中保持一致。现有方法面临两个关键挑战：(1) 前馈重建模型提供准确的局部预测，但仅限于短片段；(2) 长程跟踪器保留对应关系却不生成稠密序列级重建。本文提出 LongDPM，一个面向可扩展长程单目动态重建的重叠感知框架。首先，LongDPM 以重叠区块处理长视频，使推理内存受块长度限制。其次，通过置信度加权注册和静态感知重叠抽象，将块级坐标系连接起来。最后，关联跨块边界的动态身份，并融合匹配轨迹以恢复连贯的长程三维运动。实验结果表明，LongDPM 在长程重建和跟踪方面实现卓越的性能，相较于 V-DPM 在 PointOdyssey、Kubric-F 和 Kubric-G 上实现稠密跟踪 EPE 显著降低，同时在 TUM-dynamics 上获得相机姿态估计的最佳 ATE。
引用
@article{arxiv.2605.17303,
title = {LongDPM: Overlap-Aware 4D Reconstruction from Long Monocular Videos},
author = {Chenyi Xu and Yihao Wu and Liqi Yan and Chao Yang and Jianhui Zhang and Fangli Guan and Pan Li},
journal= {arXiv preprint arXiv:2605.17303},
year = {2026}
}