前馈网络

WAT3R：如何用前馈网络解决水下三维重建的光学畸变难题

作者
核心贡献

水下成像的光衰减和背散射严重破坏了跨视图特征一致性，导致传统SfM方法效率低下，而直接应用陆地预训练的前馈模型（如VGGT, Pi3）则面临巨大的域间隙。WAT3R提出了一种基于水下图像形成模型（UIFM）的两阶段自适应框架。首先利用合成数据进行有监督适应，联合预测深度、清洁图像和水参数；随后在真实水下数据上进行自监督微调，通过跨视图光度一致性优化相机位姿和几何。其核心创新在于神经退化适应模块（NDAM），它通过预测残差图恢复清洁图像，为几何估计提供了关键的自监督信号。实验表明，该方法在FLSea-Canyons和SQUID数据集上显著优于现有基线，实现了单次前向传递的高效重建。需注意，在极度

ATSplat：自适应Token扩展实现紧凑前馈3D高斯泼溅

作者
方法概述：稀疏初始化与自由放置

本文提出ATSplat，一种紧凑的前馈3D高斯泼溅框架。传统前馈方法将高斯绑定于输入像素，导致冗余或容量不足。ATSplat从稀疏3D锚点Token开始，通过自适应Token扩展（ATE）模块，根据不确定性分数选择性扩展困难区域的Token，实现场景复杂度感知的表示。在RealEstate10K和DL3DV数据集上，ATSplat以5.7倍更少的高斯数量实现了SOTA渲染质量，推理时间小于1秒。注意：ATE未进行冗余Token剪枝，且目前仅支持已知相机位姿输入。