场景坐标重建先验
计算机视觉与模式识别
2025-10-15 v1
摘要
场景坐标回归(SCR)模型已被证明是3D视觉中强大的隐式场景表示，使其能够实现视觉定位和结构从运动。SCR模型专为特定场景进行训练。如果训练图像未提供充分的多视图约束，SCR模型会退化。我们提出了对训练 SCR 模型的概率性重新解释，允许我们注入高层次的重建先验。我们研究了多种此类先验， ranging from simple priors over the distribution of reconstructed depth values to learned priors over plausible scene coordinate configurations。对于后者，我们在大型室内扫描语料库上训练了一个3D点云扩散模型。我们的先验在每个训练步骤中将预测的3D场景点推向可能的几何，从而增加它们的可能性。在三个室内数据集上，我们的先验有助于学习更好的场景表示，导致更连贯的场景点云、更高的配准率和更好的相机姿态，并对下游任务如新视角合成和相机定位产生积极影响。
引用
@article{arxiv.2510.12387,
title = {Scene Coordinate Reconstruction Priors},
author = {Wenjing Bian and Axel Barroso-Laguna and Tommaso Cavallari and Victor Adrian Prisacariu and Eric Brachmann},
journal= {arXiv preprint arXiv:2510.12387},
year = {2025}
}
备注
ICCV 2025, Project page: https://nianticspatial.github.io/scr-priors/