F²SLAM 将前馈几何转化为优化因子，Replica 未标定 ATE 降至 0.002 米
zhenjun_zhao · x · 2026-10-19
作者团队（含 Javier Civera）发布论文 F²SLAM（arXiv 2610.05207），代码已开源。核心思路：不再把前馈 3D 模型的几何预测当作事后对齐的外部状态，而是直接转化为持久稠密因子图中的优化原生观测，让更广的多视角证据参与 SLAM 状态优化。
设计要点：
- 高频流维持局部跟踪约束与图连通性；低频流用更宽的多视角上下文、经状态一致性校验后选择性刷新已有观测；两路通过统一的稠密 bundle adjustment 约束位姿、逆深度与可选内参。
- 结果：TUM RGB-D 未标定设置下平均 ATE 0.027 m，Replica 0.002 m；KITTI 上大幅领先未标定的基础模型基线；7-Scenes 重建对比 SLAM-Former，completion 0.030→0.015 m，Chamfer 0.027→0.019 m。
- 效率：单张 A100 约 7.4 FPS，峰值显存低于 SLAM-Former（15.4 vs 27.7 GB）。
所属事件:F²SLAM 将前馈 3D 几何转为持久优化因子，定位误差大幅下降(3 条相关)→
「研究」频道最新
- Atomwell 发布：9B 模型在 8000 万实验数据上跑出分子发现 scaling laws — chaitjo · 2026-10-20
- SFT vs RLVR：微调方式如何影响 LLM 置信度校准的实证对比 — burkov · 2026-10-20
- OpenAI 一天发布 722 篇 AI 数学论文，Readable Intelligence 做可读版 — songyoupeng · 2026-10-20
- 果蝇全脑模拟热遭泼冷水:推主推荐一篇批评性论文 — ShahabBakht · 2026-10-20
- UCSB 团队获 NSF 100 万美元资助,研究物理系统中的高阶交互建模 — ninamiolane · 2026-10-20
- AI2 发布 MolmoB0T：170 万条仿真轨迹实现机器人零样本操作 — chris_j_paxton · 2026-10-20