MoRE：3D 视觉几何重建引入 Mixture-of-Experts 模型
计算机视觉与模式识别
2025-11-03 v1
摘要
近期语言和视觉领域的进展表明，扩大模型容量在跨任务中持续提升性能。在 3D 视觉几何重建领域，大规模训练同样证明有效，用于学习通用表征。然而，由于几何监督的复杂性和 3D 数据的多样性，进一步扩大 3D 模型具有挑战。为克服这些限制，我们提出 MoRE，一种基于 Mixture-of-Experts (MoE) 架构的稠密 3D 视觉基础模型，动态将特征路由到任务特定的专家，使其能够在互补的数据方面上专业化，从而增强可扩展性和适应性。旨在提高现实条件下的鲁棒性，MoRE 集成置信度基准的深度细化模块，以稳定和细化几何估计。此外，它整合稠密语义特征与全球对齐的 3D 主干表征，用于高保真法线预测。MoRE 还针对多样化输入和多个几何任务进行优化，使用量身定制的损失函数。广泛的实验表明，MoRE 在多个基准上实现了最先进的性能，并支持无需额外计算即可的有效下游应用。
引用
@article{arxiv.2510.27234,
title = {MoRE: 3D Visual Geometry Reconstruction Meets Mixture-of-Experts},
author = {Jingnan Gao and Zhe Wang and Xianze Fang and Xingyu Ren and Zhuo Chen and Shengqi Liu and Yuhao Cheng and Jiangjing Lyu and Xiaokang Yang and Yichao Yan},
journal= {arXiv preprint arXiv:2510.27234},
year = {2025}
}
备注
Project Page: https://g-1nonly.github.io/MoRE_Website/, Code: https://github.com/alibaba/Taobao3D