Test3R: 在测试时学习重建 3D
计算机视觉与模式识别
2025-06-17 v1
摘要
DUSt3R 等稠密匹配方法通过回归成对点图进行 3D 重建。然而，对成对预测的依赖以及有限的泛化能力本质上限制了全局几何一致性。在这项工作中，我们引入了 Test3R，一种令人惊讶的简单的测试时学习技术，显著提升了几何精度。使用图像三元组 ，Test3R 从对 和 生成重建。核心思想是通过自监督目标在测试时优化网络：最大化这两个重建相对于公共图像 的几何一致性。这确保模型产生跨对一致的输出，而与输入无关。大量实验表明，我们的技术在 3D 重建和多视角深度估计任务上显著优于先前最先进方法。此外，它具有通用性且几乎零成本，使其易于应用于其他模型，并以最小的测试时训练开销和参数足迹实现。代码可在 https://github.com/nopQAQ/Test3R 获取。
引用
@article{arxiv.2506.13750,
title = {Test3R: Learning to Reconstruct 3D at Test Time},
author = {Yuheng Yuan and Qiuhong Shen and Shizun Wang and Xingyi Yang and Xinchao Wang},
journal= {arXiv preprint arXiv:2506.13750},
year = {2025}
}