VGGT 的不确定性质量：DTU 基准数据集分析

Visual Geometry Grounded Transformer (VGGT) 在短时间内就引起了广泛关注，尤其是因为获得了 CVPR-2025 最佳论文奖。与 DUSt3R 和 MASt3R 类似，VGGT 的目标是通过用简单、统一的前馈神经网络取代捆绑调整和特征匹配等既定方法来实现范式转变，该神经网络可以在几秒钟内直接从场景的多个图像预测相机姿势、深度图和密集 3D 结构。一个关键方面是它能够在一次前向传递中一致地处理任意数量的视图，而无需任何后处理或迭代优化。对于摄影测量来说，这为实时、可扩展且可访问的 3D 重建开辟了新的可能性。在这种情况下，不仅高重建精度而且高质量的不确定性估计也至关重要，因为它们可以促进信任并实现稳健的质量保证。因此，本文研究了 VGGT 不确定性预测的质量。该分析确定了过滤 VGGT 原始输出的有效置信阈值，并表明增强不确定性质量对于提高 3D 重建的准确性具有巨大潜力。