PURE 无标注后训练框架:让 VGGT 等前馈 3D 重建模型在动态视频上显著变稳
zhenjun_zhao · x · 2026-10-21
北大等团队提出 PURE,一个无需标注的后训练精炼框架,解决前馈 3D 重建模型在动态真实视频(非刚性运动、遮挡、光照变化)上脆弱的问题:
- 无需真值监督:不依赖昂贵的深度与相机位姿标注,用 2D 先验蒸馏到 4D 前馈架构
- 两路约束:相对深度约束 + 仿射不变几何蒸馏做局部几何精炼;基于特征对应的位姿一致性约束做位姿精炼
- 通用性强:对 VGGT、Pi3、DepthAnything3 等多个 SOTA 架构都带来一致提升,如 VGGT 在 Sintel 上 Abs Rel 从 0.279 降至 0.220,位姿 ATE 从 0.148 降至 0.061
该数据高效范式还能缓解领域偏移,在动态区域的重建质量上肉眼可见地改善。
「研究」频道最新
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23
- AKV 推理系统让 Agent 自管 KV 缓存,成本降 27.7% 准确率反升 — _akhaliq · 2026-10-23