计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月3日
]
标题: SIU3R:超越特征对齐的同步场景理解和三维重建
标题: SIU3R: Simultaneous Scene Understanding and 3D Reconstruction Beyond Feature Alignment
摘要: 同时理解和3D重建在开发端到端具身智能系统中起着重要作用。 为了实现这一点,最近的方法采用2D到3D特征对齐范式,这导致了有限的3D理解能力和潜在的语义信息丢失。 鉴于此,我们提出了SIU3R,这是第一个从无姿势图像中进行可推广的同时理解和3D重建的无对齐框架。 具体来说,SIU3R通过像素对齐的3D表示连接重建和理解任务,并将多个理解任务统一为一组统一的可学习查询,从而无需与2D模型对齐即可实现原生的3D理解。 为了促进两个任务之间共享表示的合作,我们进一步深入分析了它们的相互好处,并提出了两个轻量级模块来促进它们的交互。 大量实验表明,我们的方法不仅在3D重建和理解的单独任务上取得了最先进的性能,而且在同时理解和3D重建的任务上也取得了最先进的性能,突显了我们无对齐框架的优势和相互好处设计的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.