3D 视觉

VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction

VISO：具有光度渲染的鲁棒水下视觉-惯性-声纳SLAM用于密集3D重建

Shu Pan, Simon Archieri, Ahmet Cinar, Jonatan Scharff Willners, Ignacio Carlucho, Yvan Petillot

机构 * School of Engineering and Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫瑞斯泰大学） ； Frontier Robotics, The National Robotarium（前沿机器人，国家机器人arium） 纠错

专题命中 三维重建 ：3D reconstruction(title,abstract)；point cloud(abstract)；分类 cs.RO

AI总结 VISO通过融合视觉、惯性与声纳数据，结合光度渲染技术，实现高精度水下6自由度定位和实时密集3D重建。

Rewis3d: Reconstruction Improves Weakly-Supervised Semantic Segmentation

Rewis3d：重建提升弱监督语义分割

Jonas Ernst, Wolfgang Boettcher, Lukas Hoyer, Jan Eric Lenssen, Bernt Schiele

机构 * Saarland University（萨尔兰大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 Rewis3d通过利用3D重建作为辅助监督信号，提升弱监督语义分割的性能，优于现有方法2-7%。

Gaussian Set Surface Reconstruction through Per-Gaussian Optimization

通过每高斯优化进行高斯集表面重建

Zhentao Huang, Di Wu, Zhenbang He, Minglun Gong

机构 * School of Computer Science, University of Guelph（圭尔夫大学计算机科学学院） ； Faculty of Science and Technology, University of Macau（澳门大学科技学院） ； Irving K. Barber Faculty of Science, UBC Okanagan（UBC Okanagan科学学院） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV

AI总结 GSSR通过每高斯优化实现高斯点均匀分布与法线对齐，提升3D场景重建精度和编辑效率。

From Decoupled to Coupled: Robustness Verification for Learning-based Keypoint Detection with Joint Specifications

从解耦到耦合：基于联合规范的学习关键点检测的鲁棒性验证

Xusheng Luo, Changliu Liu

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出首个基于联合规范的学习关键点检测鲁棒性验证框架，通过混合整数线性规划实现对关键点联合偏差的约束，提升验证效率和鲁棒性保证。

Comments 21 pages, 4 figures, 9 tables. arXiv admin note: text overlap with arXiv:2408.00117

Spectral Probing of Feature Upsamplers in 2D-to-3D Scene Reconstruction

特征上采样器在2D到3D场景重建中的频谱探测

Ling Xiao, Yuliang Xiu, Yue Chen, Guoming Wang, Toshihiko Yamasaki

机构 * Hokkaido University（北海道大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出频谱诊断框架，通过六个指标评估特征上采样器对3D重建的影响，发现频谱一致性比空间细节更关键。

Make VLM Recognize Visual Hallucination on Cartoon Character Image with Pose Information

使VLM在卡通角色图像上通过姿态信息识别视觉幻觉

Bumsoo Kim, Wonseop Shin, Kyuchul Lee, Yonghoon Jung, Sanghyun Seo

机构 * Chung-Ang University（Chung-Ang 大学） ； Coupang（韩国Coupang） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出基于姿态信息的VLM幻觉检测方法，通过上下文学习提升识别准确率，实验表明在卡通角色图像中幻觉检测效果提升50%-80%。

Comments Accepted at WACV 2025, Project page: https://gh-bumsookim.github.io/Cartoon-Hallucinations-Detection/. (Fixed typos)