MeMix：流式3D重建中少量数据记忆更多
计算机视觉与模式识别
2026-03-17 v1
摘要
重建是3D视觉中的基础任务，也是空间智能的基础能力。特别是，流式3D重建是实时空间感知的核心，但现有的循环在线模型常因状态漂移和遗忘在长序列上出现性能渐进退化，催生了推理时的补救措施。我们提出MeMix，一个无需训练、即插即用的模块，通过将循环状态重构为记忆混合来提升流式重建。MeMix将状态划分为多个独立记忆块，仅更新最不对齐的记忆块而精确保留其他记忆块。这种选择性更新缓解了灾难性遗忘，同时保持O(1)推理内存，无需微调或额外可学习参数，可直接应用于现有循环重建模型。在标准基准（ScanNet、7-Scenes、KITTI等）上，在相同的主干网络和推理设置下，MeMix在7-Scenes上300-500帧流上将重建完整性误差平均降低15.3%（最高可达40.0%）。代码地址为https://dongjiacheng06.github.io/MeMix/
引用
@article{arxiv.2603.15330,
title = {MeMix: Writing Less, Remembering More for Streaming 3D Reconstruction},
author = {Jiacheng Dong and Huan Li and Sicheng Zhou and Wenhao Hu and Weili Xu and Yan Wang},
journal= {arXiv preprint arXiv:2603.15330},
year = {2026}
}