PosePlaner用平面几何精修多视角位姿

PosePlaner作者团队在NeurIPS 2026发表论文，提出以成对平面基元和初始位姿为条件，通过流匹配生成多组精修位姿并融合结果，用于修正DUSt3R、VGGT等前馈多视角估计器的位姿误差。 该方法只需双视角数据训练，作为流式多视角位姿估计器的周期性精修模块时无需重训练。团队称，在ScanNet1500和7Scenes实验中，它提升了SuperGlue、LoFTR、RoMA、MASt3R及PoseDiff、RayDiff等方法的精度，并减少长序列漂移，部分指标优于传统bundle adjustment。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。