水下视觉

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

Wat3R：无标注水下3D重建，VGGT水下适配新范式

作者
Wat3R核心方法

水下环境存在光衰减、散射及视图依赖退化，且缺乏大规模高质量3D标注，导致现有基于陆地数据的Feed-forward 3D重建模型泛化能力差。Wat3R提出了一种跨域半监督学习框架，利用合成数据和未标注真实视频，无需水下3D标注即可将VGGT适配至水下场景，并引入跨视图一致性损失以应对水体退化。实验表明，Wat3R在Sea-thru、FLSea Stereo、SQUID、SeaThru-NeRF及Water3D上均显著优于基线。但需注意，处理高动态元素能力有限，且在极端退化条件下性能仍受限于可见性。