BAT3R:贝叶斯自适应状态更新,长视频流式 3D 重建更稳

zhenjun_zhao · x · 2026-10-21

论文提出 BAT3R,针对流式 3D 重建中循环架构因不考虑观测可靠性与历史状态置信度而导致的长序列误差累积问题，给出免训练的贝叶斯自适应框架：State Innovation Gating(SIG)把状态演化锚定在几何初始化上，作为分布正则器抑制长期推理中的表征漂移；Bayesian-guided Adaptive State Updating(BASU)把状态更新重构为卡尔曼滤波框架内的递归贝叶斯推断，用信息论增益建模观测时间可靠性、用 cross-attention 图建模空间相关性，实现非对称时空融合——已巩固的历史区域免于冗余更新。在 ScanNet、TUM RGB-D 等基准上，相机位姿误差(ADE)随输入帧数增长明显更慢，且其他方法普遍在中途 OOM,BAT3R 能稳定跑到 1000 帧。