可信与否：基于 Trust3R 的前馈 3D 重建的证据不确定性
计算机视觉与模式识别
2026-05-20 v1
摘要
几何基础模型有望从未校准的图像中进行无约束的稠密几何预测。然而，在当前的前馈设计中，其预测的置信度得分是经验性的，缺乏概率解释，往往无法指示预测的几何可信处于何处以及可信程度如何。为解决这一问题，我们提出 Trust3R，一个用于前馈 3D 重建的轻量级证据不确定性框架。Trust3R 将带门控残差均值细化与正态逆 Wishart 证据头结合，为每个点生成几何不确定性的闭形式多元 Student t 分布。该设计在增加适度推理开销的同时，提供了基于概率的点图不确定性估计。我们在多样化的室内和户外基准上进行评估，并与 MASt3R 内置置信图以及涵盖单次异方差回归和如 MC dropout 和深度集成等采样方法的常见不确定性感知基线进行比较。实验结果表明，Trust3R 在风险覆盖率和稀疏化方面 consistently 改善，并 generally 改善了几何精度。这些收益在更强的不确定性排序中得以体现，在 ScanNet++ 上 AURC 降低 25%，AUSE 降低 41%，为不确定性感知的下游几何管道提供了实用的可靠性信号。项目页面和代码均可在 https://trust3r-z.github.io/ 获取。
引用
@article{arxiv.2605.19539,
title = {Trust It or Not: Evidential Uncertainty for Feed-Forward 3D Reconstruction with Trust3R},
author = {Zihao Zhu and Wenyuan Zhao and Nuo Chen and Chao Tian and Zhiwen Fan},
journal= {arXiv preprint arXiv:2605.19539},
year = {2026}
}
备注
Accepted at ICML 2026. 10 pages main paper, with appendix