LASER: Layer-wise Scale Alignment for Training-Free Streaming 4D Reconstruction

image-20260325175615011

LASER 也是通过 training-free 的方式，将 FM(foudamental model) 的强大几何能力拓展到公里级序列上，其核心 insight 在于：FM 的局部重建结果是精确的，但是由于单目深度估计带来的尺度模糊性，不同 chunk 对不同深度层的尺度估计是不一致的，无法仅靠相邻 chunk 的 sim(3) 进行高质量对齐；此外，不同于 VGGT-Long，本文对推理和对齐都是流式进行的。因此，每处理好一个 chunk，首先会执行 IRLS 估计新 chunk 和全局地图的尺度变换，然后通过 Kabsch 算法估计 SE(3) 变化。此外，针对不同层深度对齐问题，文章提出 Layer-wise Scale Alignment(LSA) 方法，首先直接用预测的点云 z 坐标构建全局地图重叠部分和当前 chunk 的伪深度图，然后通过分割算法得到多层集合连续的深度层。此后，将尺度对齐视为一个图优化问题，全局地图的重叠部分以及当前 chunk 的深度层视为节点，变分为 inter-chunk 和 intra-chunk，inter-chunk 是指全局地图的重叠部分和当前chunk的相同帧中 IoU 大于阈值的建立一条边，intra-chunk 是指当前 chunk 内部不同帧之间 IoU 大于阈值的形成一条边。然后对重叠部分通过 IRLS 计算尺度变化因子，最后，尺度因子通过平均的方式汇总并沿边传播。

image-20260325175628016

Kabsch

分割算法