Crowd4D：场景感知的单目4D人群重建，解决大场景深度歧义
本文介绍Crowd4D框架，针对大场景单目人群重建中的深度歧义和尺度漂移问题，提出人类-场景交互代理（HSIP）和人群结构相干正则化（CSCR）。在VirtualCrowd和PANDA数据集上，PPDS达到91.43，MPJPE降至59.35，优于DyCrowd等基线。该方法为离线优化，计算成本较高，适用于城市管理和公共安全场景，需注意隐私保护。
单目深度估计
FoundationGeo：通过空间尺度场与射线校正实现单目度量几何
单目度量深度估计面临尺度歧义、空间尺度漂移及射线方向偏差。FoundationGeo采用两阶段框架：第一阶段利用DINOv3初始化的ViT编码器学习高保真仿射不变相对几何；第二阶段引入空间尺度场（Spatial Scale Field）进行空间变化的度量校准，并引入射线方向校正场（Ray-Direction Correction Field）修正3D不一致性。针对训练数据中相机内参（特别是焦距）分布与测试数据不匹配的问题，通过Blender合成多样化焦距数据增强模型鲁棒性。实验显示，该方法在七个基准数据集上平均AbsRel为14.8%，δ1为80.8%，显著超越MoGe-2等基线。