MetaSSP：通过 Meta-adaptive EMA 和 SDF-aware 伪标签评估增强半监督隐式 3D 重建
计算机视觉与模式识别
2026-02-09 v1
摘要
基于隐式 SDF 的单视图 3D 重建方法在实现高质量表面方面取得优异效果，但需要大量标记数据，限制了其可扩展性。我们提出了 MetaSSP，一种新颖的半监督框架，通过利用丰富的无标记图像来克服这一限制。我们的方法引入了基于梯度的参数重要性估计，以正则化自适应 EMA 更新；并提出了结合数据增强一致性与 SDF 方差的 SDF-aware 伪标签加权机制。该框架从 10% 的监督预热开始，统一管线同时细化标记与非标记数据。在 Pix3D 数据集上，我们的方法相较于现有半监督基线方法将 Chamfer Distance 降低约 20.61%，IoU 提升约 24.09%，达到新的状态最佳成绩。
引用
@article{arxiv.2602.06163,
title = {MetaSSP: Enhancing Semi-supervised Implicit 3D Reconstruction through Meta-adaptive EMA and SDF-aware Pseudo-label Evaluation},
author = {Luoxi Zhang and Chun Xie and Itaru Kitahara},
journal= {arXiv preprint arXiv:2602.06163},
year = {2026}
}