S-MUSt3R：滑动多视图三维重建

3D视觉领域最近的范式转变导致了基础模型的兴起，这些模型在从非标定图像进行3D感知方面具有卓越的能力。然而，由于内存限制，将这些模型扩展到大规模RGB流3D重建仍然具有挑战性。本工作提出了S-MUSt3R，一个简单高效的流水线，它扩展了基础模型在单目3D重建方面的极限。我们的方法通过一种简单的策略——序列分割后跟片段对齐和轻量级闭环优化——来解决基础模型的可扩展性瓶颈。无需模型重新训练，我们受益于MUSt3R模型卓越的3D重建能力，并实现了与具有更复杂架构的传统方法相当的运动轨迹和重建性能。我们在TUM、7-Scenes和专有机器人导航数据集上评估了S-MUSt3R，结果表明S-MUSt3R能够成功地在长RGB序列上运行，并产生准确且一致的3D重建。我们的结果突显了利用MUSt3R模型在现实世界中进行可扩展单目3D场景重建的潜力，其重要优势是直接在度量空间中进行预测。