DROID-SLAM in the Wild
野外中的DROID-SLAM
机构 * ETH Zurich(苏黎世联邦理工学院) ; Microsoft(微软)
AI总结 本文提出一种鲁棒的实时RGB SLAM系统,通过可微的不确定性感知捆绑调整处理动态环境,实现鲁棒的跟踪与重建。
Comments CVPR 2026, Project Page: https://moyangli00.github.io/droid-w/
高校专区
野外中的DROID-SLAM
机构 * ETH Zurich(苏黎世联邦理工学院) ; Microsoft(微软)
AI总结 本文提出一种鲁棒的实时RGB SLAM系统,通过可微的不确定性感知捆绑调整处理动态环境,实现鲁棒的跟踪与重建。
Comments CVPR 2026, Project Page: https://moyangli00.github.io/droid-w/
SuperDec:基于超二次体的3D场景分解
机构 * ETH Zurich(苏黎世联邦理工学院) ; Stanford University(斯坦福大学) ; Microsoft(微软公司)
AI总结 SuperDec通过将场景分解为超二次体基元,实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景,并在ShapeNet和ScanNet++上验证了其泛化能力,适用于机器人任务和可控视觉内容生成。
Comments Project page: https://super-dec.github.io
贝叶斯估计中的计算-效用-隐私权衡
机构 * Harvard(哈佛大学) ; ETH Zurich(苏黎世联邦理工学院) ; MIT(麻省理工学院)
AI总结 本文首次提出高效的算法,在保证隐私的前提下实现贝叶斯估计的最优误差,同时揭示了计算与统计之间的差距。
Comments To appear at STOC 2026