Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2504.05692

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2504.05692 (eess)
[提交于 2025年4月8日 (v1) ,最后修订 2025年8月8日 (此版本, v2)]

标题: POMATO:将点图匹配与时间运动相结合用于动态3D重建

标题: POMATO: Marrying Pointmap Matching with Temporal Motion for Dynamic 3D Reconstruction

Authors:Songyan Zhang, Yongtao Ge, Jinyuan Tian, Guangkai Xu, Hao Chen, Chen Lv, Chunhua Shen
摘要: 动态场景中的3D重建主要依赖于几何估计和匹配模块的结合,其中后者任务对于区分动态区域至关重要,这有助于减轻由相机和物体运动引入的干扰。 此外,匹配模块显式建模物体运动,使特定目标的跟踪成为可能,并推动了复杂场景中的运动理解。 最近,DUSt3R中提出的点图表示建议了一种统一几何估计和匹配的潜在解决方案,但它在动态区域中仍存在模糊匹配的问题,这可能会阻碍进一步的改进。 在本工作中,我们提出了POMATO,这是一种通过将点图匹配与时间运动相结合的动态3D重建统一框架。 具体来说,我们的方法首先通过将不同视图中动态和静态区域的RGB像素映射到统一坐标系内的3D点图,学习显式的匹配关系。 此外,我们引入了一个用于动态运动的时间运动模块,确保不同帧之间的尺度一致性,并提升需要精确几何和可靠匹配的任务性能,尤其是在3D点跟踪方面。 我们通过在多个下游任务中展示出色的表现,证明了所提出的点图匹配和时间融合范式的有效性,包括视频深度估计、3D点跟踪和姿态估计。 代码和模型可在https://github.com/wyddmw/POMATO公开获取。
摘要: 3D reconstruction in dynamic scenes primarily relies on the combination of geometry estimation and matching modules where the latter task is pivotal for distinguishing dynamic regions which can help to mitigate the interference introduced by camera and object motion. Furthermore, the matching module explicitly models object motion, enabling the tracking of specific targets and advancing motion understanding in complex scenarios. Recently, the proposed representation of pointmap in DUSt3R suggests a potential solution to unify both geometry estimation and matching in 3D space, but it still struggles with ambiguous matching in dynamic regions, which may hamper further improvement. In this work, we present POMATO, a unified framework for dynamic 3D reconstruction by marrying pointmap matching with temporal motion. Specifically, our method first learns an explicit matching relationship by mapping RGB pixels from both dynamic and static regions across different views to 3D pointmaps within a unified coordinate system. Furthermore, we introduce a temporal motion module for dynamic motions that ensures scale consistency across different frames and enhances performance in tasks requiring both precise geometry and reliable matching, most notably 3D point tracking. We show the effectiveness of the proposed pointmap matching and temporal fusion paradigm by demonstrating the remarkable performance across multiple downstream tasks, including video depth estimation, 3D point tracking, and pose estimation. Code and models are publicly available at https://github.com/wyddmw/POMATO.
评论: 代码:https://github.com/wyddmw/POMATO
主题: 图像与视频处理 (eess.IV) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2504.05692 [eess.IV]
  (或者 arXiv:2504.05692v2 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.05692
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Songyan Zhang [查看电子邮件]
[v1] 星期二, 2025 年 4 月 8 日 05:33:13 UTC (26,803 KB)
[v2] 星期五, 2025 年 8 月 8 日 07:01:59 UTC (15,152 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.CV
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号