无标定、无深度、无问题：基于3D一致性的跨传感器视图合成
计算机视觉与模式识别
2026-03-02 v1
摘要
我们提出首个跨模态传感器视图合成研究。我们考察了一个实际且被广泛忽视的基本问题：获取对齐的RGB-X数据，其中大多数RGB-X先验工作假设已存在此类配对并专注于模态融合，但实际需要巨大的工程校准 effort。我们提出一种匹配-稠密化-Consolidate方法。首先进行RGB-X图像匹配后引导点稠密化。通过提出的置信感知稠密化和自匹配过滤，我们实现更好的视图合成并在3D高斯溅写（3DGS）中进行Consolidate。本方法对X传感器不依赖任何3D先验，仅需低成本的RGB数据使用COLMAP。我们旨在消除各种RGB-X传感器繁琐的标定工作，通过一种可扩展解决方案推动跨传感器学习的普及，突破大规模真实RGB-X数据收集的瓶颈。
引用
@article{arxiv.2602.23559,
title = {No Calibration, No Depth, No Problem: Cross-Sensor View Synthesis with 3D Consistency},
author = {Cho-Ying Wu and Zixun Huang and Xinyu Huang and Liu Ren},
journal= {arXiv preprint arXiv:2602.23559},
year = {2026}
}
备注
CVPR 2026 Main Conference. Project page: https://choyingw.github.io/3d-rgbx.github.io/