arXiv cs.AI· Zhuoqian Feng, Weixing Chen, Ziliang Chen, Yang Liu, Liang Lin·· 12 小时前AI 评分15
GAUGE：面向前馈 4D 跟踪的分组视角不一致性校正
GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking
AI 导读
论文提出 GAUGE，一个免训练、模型无关的后处理模块，用于校正前馈 4D 跟踪中沿视线方向集中的残差。该方法从方向一致性和空间连通性恢复运动分组，再用 1% 到 5% 的度量锚点估计每帧径向尺度与组级平移。
正文 · AI 翻译
本文已被 Zhuoqian Feng 撤回
摘要：前馈模型直接从单目视频回归稠密 3D 点轨迹，但全局对齐后的残差仍然很大，且缺乏结构性解释。在跨模型和数据集的动态查询点上测量，误差沿视线方向集中，而每个运动组所需的尺度校正各不相同。尽管如此，预测的位移方向仍支持可靠的分组，中位角度远低于 90° 的随机基线。因此，残差的系统性部分是每个运动组的一族径向自由度，其方向是 2D 观测无法约束的。我们称之为组间视角不一致性。我们提出 GAUGE（组间自适应无监督规范估计），这是一个无需训练、与模型无关的事后模块。它从方向一致性和空间连通性中恢复运动组，然后从 1% 到 5% 的度量锚点估计每帧径向尺度和组级平移，每组每帧四个自由度。在包括 D4RT、4RC 和 SM4RT 在内的八个跟踪器的动态查询点上，我们的校正将端点误差相比未校正预测降低了 15.1% 到 62.6%，而在相同锚点上进行梯度微调仅使相同模型提升 -1.1% 到 15.2%。代码公开于 此 https URL。
| 评论： | 重大更新 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2609.32596 [cs.CV] |
| （或 arXiv:2609.32596v2 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2609.32596 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhuoqian Feng [查看邮箱]
[v1]
2026年9月26日星期六 13:14:53 UTC (6,061 KB)
[v2]
2026年10月27日星期二 02:27:01 UTC (1 KB) （已撤回）
来源：arXiv cs.AI · arxiv.org