SSR 用稀疏体素迭代细化单目几何
zhenjun_zhao · x · 2026-07-21
方法概览
这篇论文提出了 Self-Guided Sparse Volumetric Refinement（SSR），用于更精细的单目几何估计。
方法怎么做
- 基础模型先输出初始 point map 和 2D 特征；
- SSR 模块把当前估计离散成稀疏的体素壳层，并迭代细化几何；
- 再通过 Sparse 3D U-Net 结合多尺度稀疏 3D 卷积与 2D 特征，预测 log-depth 残差。
结果
配图结果显示，这个方法在多个 benchmark 上的 zero-shot 表现更好，尤其是在局部、边界和全局深度/点图指标上有提升，对细薄结构和复杂区域的恢复也更强。
「研究」频道最新
- OpenAI 认为长程模型要按完整行动序列做安全对齐检查 — rhiever · 2026-07-22
- 有人想训练一个一致性 LoRA，让动漫场景保持统一 — ThirdWorldBoy21 · 2026-07-22
- 图计算工作负载 854.graph500 进入 SPEC CPU 2026 — Prof_DavidBader · 2026-07-22
- BlackboxNLP 2026 因投稿激增招募额外审稿人 — hanjie_chen · 2026-07-22
- AWS 证明自蒸馏推理可在 SFT 中保住推理能力 — AWS ML Blog · 2026-07-22
- UI2App 显示截图还原远落后于真实交互恢复 — Grace Man Chen · 2026-07-22