$R^3$：通过相对回归进行 3D 重建

最近的前馈几何基础模型通过在单次前向传递中恢复深度和姿态，展示了令人印象深刻的泛化能力。然而，这些模型通常受到全局坐标系假设的约束。这种依赖性成为长上下文和流式重建的重要瓶颈，因为它迫使网络维持任意时间原点并处理随时间无限增长的翻译幅度。我们的解决方案称为 $R^3$，采用相对回归。我们采用轻量级 MLP 来预测置信加权相对约束。这些置信度充当统一的锚：训练期间的权重损失和推理期间指导姿势聚合。 $R^3$ 支持全上下文离线重建和因果有限内存流。我们在离线和流媒体设置中的评估验证了我们相关机制的有效性。项目页面：https://kevinxu02.github.io/r3-site