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
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- AI 研究员曾预测机器人 2034 年才能跑赢人类，今年已被连续打脸 — ben_j_todd · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- RealSense D585 Pro AI 3D 深度相机到货开箱，主打 Physical AI — chrismatthieu · 2026-10-26
- 网友晒「物理世界智能体集群」演示,实体 Agent 成群协作 — pduan · 2026-10-26