WildPose：野外姿态估计的统一框架
计算机视觉与模式识别
2026-05-14 v1
摘要
在动态环境中估计相机姿态是关键挑战，因为大多数视觉 SLAM 和 SfM 方法假设场景为静态。虽然近期存在动态感知方法，但往往不统一：基于语义的方法脆弱，按序列优化的方法在短序列上失败，而其他学习模型可能在仅静态场景中性能下降。我们提出 WildPose，一种单目姿态估计框架，能够在动态环境中保持稳健，同时在静态和低ego-motion 数据集上保持领先性能。我们的关键洞察是将现代 3D 视觉中两种强大范式连接起来：前馈模型丰富的感知前端和可微分束_adjustment (BA) 的端到端优化。我们通过构建于冻结预训练 MASt3R 特征主干的 3D 感知更新算子，以及使用同一主干多层 3D 感知特征的高容量运动掩码检测器来实现这一点。大量实验表明，WildPose 在动态 (Wild-SLAM、Bonn)、静态 (TUM、7-Scenes) 和低ego-motion (Sintel) 基准测试中均一致优于先前方法。
引用
@article{arxiv.2605.12774,
title = {WildPose: A Unified Framework for Robust Pose Estimation in the Wild},
author = {Jianhao Zheng and Liyuan Zhu and Zihan Zhu and Iro Armeni},
journal= {arXiv preprint arXiv:2605.12774},
year = {2026}
}