TUM 发布 DeepBA:仅 204 万参数实现免初始化 3D 重建
慕尼黑工业大学 Daniel Cremers 团队发布预印本 Deep Bundle Adjustment(DeepBA),一个仅 204 万参数的图神经网络,可从任意数量视角的 2D 匹配中恢复相机位姿与内参。该模型无需初始化即可完成精确且快速的 3D 重建,规模比 VGGT 小约 590 倍,在冷启动捆绑调整任务上超越已有学习型 SfM 方法。
2026-11-18 ~ 2026-11-18 · 2 条相关
- TUM 团队 Deep Bundle Adjustment:模型小 590 倍,3D 重建无需初始化 — Singularitarian · 2026-11-18
- 仅 2M 参数的 GNN 学会捆绑调整,DeepBA 冷启动超越已有学习型 SfM — Singularitarian · 2026-11-18