长尾互联网照片重建

互联网照片集呈现出极其长尾的分布：一些著名的地标被密集拍摄并且很容易以 3D 形式重建，而大多数现实世界的站点则以稀疏、嘈杂、不均匀的图像来表示，超出了经典和学习的 3D 方法的能力。我们相信，解决这种长尾机制代表了 3D 基础模型的下一个前沿领域之一。尽管从稀疏场景获得可靠的 真值 3D 监督具有挑战性，但我们观察到，可以通过从重构良好的互联网地标中采样稀疏子集来有效地模拟它。为此，我们引入了 MegaDepth-X，这是一个具有干净、密集深度的 3D 重建大型数据集，以及模拟长尾场景中相机分布的训练图像集采样策略。使用这些组件微调 3D 基础模型可以在极度稀疏的情况下产生稳健的重建，并且还可以在对称和重复场景中实现更可靠的重建，同时保留对标准、密集 3D 基准数据集的泛化。