LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-09-25

WildSplat无位姿野外照片的外观条件高斯

阅读原论文

一句话结论

未知外参、光照条件混杂的稀疏图像加指定外观参考图,网络推断共享几何/相机并由参考图控制颜色。作者稿p.9 Table2 Phototourism四场4视19.57 PSNR/.727 SSIM/.178 LPIPS,对AnySplat15.61/.616/.279;评测时半幅真值参考及目标位姿的光度对齐须计入协议。

输入、机制和版本

几何分支DINOv2-large/24交替注意层预测相机、深度及各高斯空间属性;外观分支DINOv2-base编码参考图,全局[CLS]经AdaLN-Zero预调制局部特征,再用cross-attention预测颜色和球谐。训练用SfM点引导重叠采样、VGGT伪位姿、DL3DV和MegaScenes/MegaDepth;600段DL3DV视频经生成模型变换出五种光照,30k+60k步、4×H20(作者稿pp.5–12 Fig.2/Alg.1,附录pp.18–20)。推断时无给定相机,训练仍借SfM与教师。正式ECCV 2026章节DOI 10.1007/978-3-032-37324-3_2;所存22页arXiv v1含最后5页补充,出版PDF请求返回章节HTML。

结果、反证和计算账

作者稿p.9 Table1 MegaScenes十场12视19.20/.683/.210,对WorldMirror16.05/.629/.287;Table2 Phototourism四场12视21.47/.788/.137,对WorldMirror17.24/.724/.234,须在同集、同视数和同半幅参考协议下比较。p.12 Table3 Phototourism4视消融完整18.52/.705/.212,去多参考16.88/.668/.221、去预调制18.25/.690/.226;消融完整18.52与主表19.57不一致,保留独立口径。p.13 Table4位姿AUC@5 .310比VGGT .314低;补充p.21 §B.2 16视448²前馈1.3s/9.6GB,对AnySplat1.1s/8.2GB;128视33.2s/45.6GB。补充pp.21–22 Fig.C/§B.3示局部投射光照可能混到附近表面,峰训练显存及训练总卡时未报;代码许可待核。未做GPU复现。独立逐页审计见raw/ingest/2026-09-25-wildsplat/analysis.md,与GlobalSplat、Matryoshka按相机/前馈/预算分账,综合见三维高斯泼溅:表示、优化、几何与动态任务。