信不信由你：使用 Trust3R 进行前馈 3D 重建的证据不确定性

几何基础模型有望根据未校准的图像进行无约束的密集几何预测。然而，在当前的前馈设计中，它们的预测置信度分数是启发式的，缺乏概率解释，并且通常无法表明预测的几何结构在何处以及在多大程度上可以被信任。为了解决这一差距，我们提出了 Trust3R，这是一种用于前馈 3D 重建的轻量级证据不确定性框架。 Trust3R 将门控残差均值细化与正态逆威沙特证据头相结合，产生每点几何不确定性的封闭式多元 Student-t 分布。该设计提供了基于概率的点图不确定性估计，同时增加了适度的推理开销。我们评估不同的室内和室外基准，并与 MASt3R 的内置置信度图以及跨越单通道异方差回归和基于采样的方法（例如 MC dropout 和深度集成）的常见不确定性基线进行比较。实验结果表明，Trust3R 持续提高了风险覆盖率和稀疏化，并且总体上提高了几何精度。这些收益反映在基准测试中更强的不确定性排名中，ScanNet++ 上的 AURC 降低了 25%，AUSE 降低了 41%，为下游几何管道中的不确定性感知权重提供了实用的可靠性信号。项目页面和代码可在 https://trust3r-z.github.io/ 获取。