ECCV 2026 Oral:Poppy 用偏振光免训练提升单目法线估计
ssh4net · x · 2026-09-07
Stony Brook 大学团队发布 ECCV 2026 长文 Oral 论文 Poppy,利用光的偏振特性在测试时增强单目 3D 表面法线估计。
- RGB 法线估计模型在反光、无纹理、黑暗表面上表现差,而偏振信息独立于纹理和反照率编码表面朝向。
- Poppy 是免训练框架:冻结任意 RGB backbone 权重,在测试时用单次偏振测量优化输入/输出的逐像素偏移及反射率分解,通过可微渲染层将法线转为偏振预测并惩罚与观测的失配。
- 在 7 个基准、3 类 backbone(扩散、流、前馈)上,合成数据平均角误差降低 23–26%,真实数据降低 6–16%,无需重训练。
「具身」频道最新
- 北大团队发布 Motion-Omni:语音对话与全身动作实时同步生成 — PKU1898 · 2026-09-07
- whurley 亲历 Uber 险撞车：CyberCab 大概不会犯这个错 — whurley · 2026-09-07
- 马斯克:Cybercab 将以 Airbnb+Uber 混合模式运营共享车队 — Polymarket · 2026-09-07
- 开发者造户外实用机器人 U-BOT:Day 31 实现无线操控 — _Stocko_ · 2026-09-07
- UniSim-SLAM:统一 Sim(3) 优化的前馈 SLAM,入选 ECCV 2026 — rsasaki0109 · 2026-09-07
- Uber 性骚扰报告约每 6.4 分钟一起，特斯拉 Robotaxi 借此主打安全牌 — SumitGup · 2026-09-07