MonST3R | UC伯克利、DeepMind等提出的运动状态下估算几何图形的先进方法

文章预览

关注公众号，发现CV技术之美 本篇分享论文 MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion ，探索在运动状态下估算几何图形的简单方法——MonST3R。作者来自UC伯克利、DeepMind等。 论文链接：https://arxiv.org/abs/2410.03825 代码链接：https://github.com/Junyi42/monst3r 项目链接：https://monst3r-project.github.io/ 演示链接：https://monst3r-project.github.io/page1.html 视频结果展示： 摘要 从动态场景中估计几何形状，尤其是物体随时间移动和变形的情景，仍然是计算机视觉中的一个核心挑战。目前的方法通常依赖多阶段管道或全局优化，将问题分解为深度和光流等子任务，使得系统复杂且容易出错。 本文提出一种新的以几何为中心的方法—— Motion DUSt3R（MonST3R），直接从动态场景中估计每个时间步的几何形状。其中关键见解是，通过简单地为每个时间步估计点图，可 ………………………………