论文页面 - CM-EVS：用于完整场景覆盖的稀疏全景RGB-D-位姿数据

来源：https://huggingface.co/papers/2605.15597 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

现代三维视觉学习依赖于从度量三维资产中采样的观测数据，然而现有的扫描、网格、点云、仿真和重建并不能直接提供一个稀疏、可比较且几何一致的全景训练接口。密集轨迹会重复邻近视图，特定源的渲染策略会产生异构标注，而稀疏启发式方法可能遗漏重要区域或引入深度不一致的观测。我们研究了如何将3D资产转换为稀疏全景RGB-D-位姿数据，使其在保持完整场景覆盖的同时具有低冗余度和可审计的溯源。我们提出了COVER（面向覆盖的视点策展与ERP范围深度扭曲），这是一种无需训练的ERP视点策展器，它能将选定视点观测到的几何投影到候选ERP探针中，对增量覆盖进行评分，并对深度冲突进行惩罚。在有界代理误差下，其贪心覆盖代理保持了标准覆盖式逼近行为，直至一个附加误差项。利用COVER，我们构建了CM-EVS（覆盖策展的度量ERP视点集），这是一个全景RGB-D-位姿数据集，包含来自1,275个室内场景（涵盖Blenderindoor、HM3D和ScanNet++）的36,373个策展ERP帧，以及来自TartanGround和OB3D的室外全景图，这些全景图按相同模式重新编码。每个帧提供全球面RGB、度量范围深度和校准位姿；COVER生成的室内帧包含每一步的溯源日志。每个室内场景中位数仅25帧，CM-EVS覆盖了全部13种统一房间类型，同时保持了紧凑的场景级覆盖。实验表明，COVER改善了覆盖-冲突权衡，使CM-EVS成为用于几何一致全景三维学习的稀疏、紧凑且可审计的RGB-D-位姿资源。

查看arXiv页面 (https://arxiv.org/abs/2605.15597)查看PDF (https://arxiv.org/pdf/2605.15597)GitHub2 (https://github.com/Strange-animalss/CM-EVS)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.15597)

在你的代理中获取此论文：

hf papers read 2605.15597

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.15597即可从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.15597即可从此页面链接。

引用此论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2605.15597即可从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)即可从此页面链接。