RaCo 开源：仅用透视裁剪训练的轻量关键点检测，无需共视图像对
rsasaki0109 · x · 2026-10-12
作者放出 RaCo 的 GitHub 仓库（136 stars，Apache-2.0）。论文作者包括 Abhiram Shenoi、Philipp Lindenberger、Paul-Edouard Sarlin、Marc Pollefeys，已中 3DV 2026。
- 轻量神经网络，为多种 3D 视觉任务学习鲁棒通用的关键点
- 三大组件：可重复关键点检测器、可微分排序器（在有限关键点数下最大化匹配）、协方差估计器（以度量尺度量化空间不确定性）
- 仅在透视图像裁剪上训练，无需共视图像对
- 提供 demo notebook、匹配演示与 PyTorch Hub 加载
所属事件:RaCo 旋转等变关键点检测器开源并入选 3DV 2026(2 条相关)→
「研究」频道最新
- DeepRSI 基准亮相:让 agent 连续干 48 小时 ML 任务衡量递归自我改进 — garrytan · 2026-10-13
- 70 步 RL 让 650M 小模型冲上 ParseBench 第三,OCR 能力实则未变 — VikParuchuri · 2026-10-13
- Surya 团队发 650M OCR 模型,称刷榜只改格式无真实提升 — VikParuchuri · 2026-10-13
- Datalab 发布公平 OCR 基准 OmniParseBench,主动放弃自榜第一 — VikParuchuri · 2026-10-13
- 研究:微型企业与个人发明者最积极用 AI 写专利申请 — robseamans · 2026-10-13
- Prime Intellect 研究员 1.5 小时播客讲透持续学习到底是什么 — yacinelearning · 2026-10-13