MoGe：基于最优训练监督的开放领域单目几何估计

我们提出了 MoGe，一个强大的模型，用于从单目开放领域图像中恢复三维几何信息。给定单张图像，本模型直接预测捕获场景的三维点图，并采用仿射不变表示，这种表示方式对真实的全局尺度和偏移不敏感。这种新表示方式预防了训练中的模糊监督，促进了有效的几何学习。此外，我们提出了一套新的全局和局部几何监督机制，使模型能够学习高质量的几何信息。这些包括一个稳健、最优且高效的点云对齐求解器，用于准确的全局形状学习，以及一种多尺度局部几何损失，以促进精确的局部几何监督。我们在大规模混合数据集上训练该模型，展示了其强大的泛化能力和高精度。在对多样化未见数据集上的全面评估中，我们的模型在所有任务中均显著优于当前最先进的方法，包括三维点图、深度图和相机视场角的单目估计。代码和模型可在项目页面获取。