Glob3R 结合3D基础模型做全局SfM，TUM RGB-D 平均误差3.2厘米

ducha_aiki · x · 2026-07-23

Glob3R 是一个结合 3D foundation models 的全局 Structure-from-Motion（SfM）方法。作者的流程大致是：

• 在 RoMaV2 风格下 finetune Pi3 matching head；
• 用 SALAD 对图像序列排序；
• 再做一个类似 GloMap / COLMAP 的全局 SfM 过程。

配图和表格里给出了完整框架与实验结果：

• ETH3D：在表中报告了很强的姿态估计精度，严格阈值下也保持领先；
• TUM RGB-D：平均轨迹 RMSE 为 3.2 cm，与 AMB3R 持平，并优于多项基线；
• KITTI：平均轨迹 RMSE 为 13.21 m，表中优于列出的基线；
• 消融实验显示，完整方法在重建质量与速度之间的折中上都优于简化版本。

论文的核心主张是：把密集 warp 生成轨迹、全局关联图、rotation/translation averaging 和 bundle adjustment 结合起来，能让 SfM 在有序或伪有序图像序列上更稳。

原文链接 →

「研究」频道最新

• SaTML 2027 首次增设竞赛和工作坊征集，截止 8 月 28 日 — thegautamkamath · 2026-07-23
• Harness Handbook 把 agent 行为映射回源码，显著提升规划准确率 — omarsar0 · 2026-07-23
• 低光照 RGB SLAM 只有惯导融合和全局优化才稳 — ucu-autonomous-ugv · 2026-07-23
• GEN-1 开始支持从五指机械手到专用工具的多种末端执行器 — k7agar · 2026-07-23
• Google 用 1500 万次 Gemini 交互描绘 800 个职业的 AI 使用图谱 — sebkrier · 2026-07-23
• The Turing Post 认为，大多数 AI Agent 其实不需要图编排 — TheTuringPost · 2026-07-23

更多「研究」频道 AI 资讯 →