arXiv cs.AI· Lijian Li, Yuanpeng He, Yudian Zheng, Chung-ju Huang, Linyu Li, Dongming Jin, Wenpin Jiao, Zhi Jin, Chi-Man Pun·· 3 天前AI 评分22
BAT3R：基于贝叶斯自适应状态更新的鲁棒在线 3D 重建
BAT3R: Robust Online 3D Reconstruction with Bayesian Adaptive State Updates
AI 导读
BAT3R 是一个免训练的贝叶斯自适应框架，通过状态创新门控（SIG）和贝叶斯引导自适应状态更新（BASU）两个模块，缓解流式 3D 重建在长序列中的误差累积。
正文 · AI 翻译
摘要：前馈 Transformer 模型推动了 3D 视觉领域的显著进展，但其二次复杂度使其难以适用于长视频序列。流式 3D 重建通过以恒定内存顺序处理帧来解决这一瓶颈。然而，现有的循环架构在长序列上不可避免地会遭受渐进式退化，因为它们未能考虑观测的内在可靠性以及历史状态的累积置信度，导致严重的误差累积。为解决这些问题，我们提出了 BAT3R，一个无需训练的贝叶斯自适应框架，包含两个协同模块：状态创新门控（SIG）和贝叶斯引导的自适应状态更新（BASU）。SIG 充当分布正则化器，将状态演化锚定到其几何初始化，有效阻止长期推理过程中的表示漂移。在此基础上，BASU 将状态更新重新表述为卡尔曼滤波框架内的递归贝叶斯推理过程。通过信息论增益联合建模观测的时间可靠性，并通过交叉注意力图建模空间相关性，BASU 实现了非对称的时空状态融合：已充分巩固的历史区域受到保护，免受冗余更新，而真正新颖的场景内容则被积极纳入。在标准基准（7-Scenes、TUM、ScanNet、KITTI 等）上的大量实验表明，BAT3R 始终优于最先进的在线 3D 重建方法，在长序列和复杂场景上观察到的增益最为显著。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16330 [cs.CV] |
| （或 arXiv:2610.16330v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16330 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Lijian Li [查看电子邮件]
[v1]
2026年10月12日星期一 07:47:47 UTC（7,656 KB）
来源：arXiv cs.AI · arxiv.org