VidMap

SLAM实时但脆弱，一次跟踪失败就可能导致重建崩溃；SfM离线但把视频当成无序图片，完全浪费了时序信息。VidMap提出非因果重建范式：先像SLAM一样提取时序轨迹和回环，再像SfM一样做全局优化，但关键创新在于它记住了每条观测的“来源”——是顺序跟踪还是回环匹配。这让系统能用不同策略对待不同观测，有效压制视觉对称导致的错误回环。同时，VidMap把单目深度先验注入全局定位，解决了纯旋转等退化运动下的尺度漂移。在LaMAR、CroCoDL等四个数据集上，VidMap全面超越现有方法，尤其在灾难环境的机器人序列上优势巨大。但系统为离线设计，不适用于实时应用，且深度先验在短序列上可能引入噪声。