FrozenRecon：基于冻结深度模型的无姿态三维场景重建
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种新的测试时间优化方法，可以将仿射不变深度模型的健壮性转移到具有挑战性的多样化场景，同时确保帧间一致性，每个视频帧只需优化几十个参数。实验证明，我们的方法在五个零样本测试数据集上实现了最先进的跨数据集重建。
该研究探讨了在混合数据深度预测训练中使用的位移不变重建损失引起的未知深度偏移和未知相机焦距问题。作者提出了一个两阶段框架，使用三维点云编码器预测深度偏移和焦距，以恢复逼真的3D场景形状。他们还提出了图像级标准化回归损失和基于法向几何损失的方法，以增强混合数据集训练的深度预测模型。该模型在9个不可见数据集上进行了测试，并取得了零样本数据集泛化的最新性能记录。
