ECCV2024 几何匹配与定位论文解读论文笔记 SLAM 3D 高斯渲染对齐/RLHF 点云目标跟踪人体姿态

🧊 几何匹配与定位¶

🎞️ ECCV2024 · 18 篇论文解读

📌 同领域跨会议浏览： 🧠 NeurIPS2026 (4) · 🎞️ ECCV2026 (77) · 📷 CVPR2026 (100) · 🔬 ICLR2026 (12) · 🧪 ICML2026 (2) · 🤖 AAAI2026 (1)

🔥 高频主题： SLAM ×5 · 3D 高斯渲染 ×3 · 对齐/RLHF ×2 · 点云 ×2 · 目标跟踪 ×2

3D Congealing: 3D-Aware Image Alignment in the Wild: 3D Congealing将一组语义相似的无标注互联网图像对齐到共享的3D canonical空间，通过结合预训练扩散模型的SDS指导获得3D形状 + DINO语义特征匹配估计位姿和坐标映射，无需模板、位姿标注或相机参数。
3D Single-Object Tracking in Point Clouds with High Temporal Variation: HVTrack首次探索高时间变化场景下的3D单目标跟踪，通过相对位姿感知记忆模块(RPM)、基础-扩展特征交叉注意力(BEA)和上下文点引导自注意力(CPA)三个模块，分别解决点云形状剧变、相似物体干扰和背景噪声问题，在KITTI-HV 5帧间隔下比SOTA提升11.3%/15.7% Success/Precision。
6DGS: 6D Pose Estimation from a Single Image and a 3D Gaussian Splatting Model: 提出6DGS，通过反转3DGS渲染流程——从椭球体表面均匀发射光线（Ellicell），利用注意力机制将光线与目标图像像素绑定，再用加权最小二乘闭式求解相机位姿，无需迭代和初始位姿，在真实场景上旋转精度提升12%、平移精度提升22%，达到15fps近实时性能。
A Direct Approach to Viewing Graph Solvability: 本文对视图图（Viewing Graph）可解性问题提出了一种比以往更直接的新形式化方法，引入了新概念用于理解实际 SfM 图的可解性，并给出了更高效的不可解情况检测与分解算法。
CG-SLAM: Efficient Dense RGB-D SLAM in a Consistent Uncertainty-Aware 3D Gaussian Field: 提出CG-SLAM,基于一致性和几何稳定性优化的不确定性感知3D高斯场,实现高效稠密RGB-D SLAM,在定位精度和建图质量上均达到SOTA,跟踪速度最高15Hz。
Deep Patch Visual SLAM: 基于 DPVO 视觉里程计系统，通过高效的邻近回环检测和经典回环检测机制，将其扩展为完整的 SLAM 系统 DPV-SLAM，在单 GPU 上实现实时、高精度、低显存的单目视觉 SLAM。
Equi-GSPR: Equivariant SE(3) Graph Network Model for Sparse Point Cloud Registration: 提出基于SE(3)等变图神经网络的稀疏点云配准方法Equi-GSPR，通过等变消息传播、低秩特征变换（LRFT）和隐式特征空间相似度匹配，在室内外数据集上以低模型复杂度实现SOTA配准性能。
Event-based Mosaicing Bundle Adjustment: 提出 EMBA，首个针对纯旋转事件相机的光度 Bundle Adjustment 方法，利用线性化事件生成模型将问题形式化为正则化非线性最小二乘优化，并利用法方程矩阵的块对角稀疏结构设计高效求解器，同时优化相机旋转轨迹和全景梯度图。
FastCAD: Real-Time CAD Retrieval and Alignment from Scans and Videos: 提出FastCAD，通过对比学习嵌入空间蒸馏和直接参数预测，实现50ms内完成场景中所有物体的CAD模型检索与对齐，比现有方法快50倍且精度更优。
GaussReg: Fast 3D Registration with Gaussian Splatting: 首次探索3D Gaussian Splatting场景之间的配准问题，提出粗到精的GaussReg框架——粗阶段利用点云配准方法估计初始变换，精阶段通过渲染图像提取体积特征进行精细对齐，速度比HLoc快44倍且精度可比。
Hyperion: A Fast, Versatile Symbolic Gaussian Belief Propagation Framework for Continuous-Time SLAM: 本文提出Hyperion，一个基于SymForce符号计算框架自动生成超高效B/Z样条实现的连续时间高斯置信传播（GBP）SLAM框架，在运动跟踪和定位场景中达到与传统NLLS求解器（Ceres）相当的精度，同时天然支持分布式多智能体推理。
I²-SLAM: Inverting Imaging Process for Robust Photorealistic Dense SLAM: 提出I²-SLAM，将物理成像过程（运动模糊建模+色调映射）集成到视觉SLAM系统中，通过HDR辐射场地图、多虚拟相机运动模糊模拟和可微分色调映射的联合优化，从手持随意拍摄的退化视频中重建出清晰的HDR 3D地图和更精确的相机轨迹。
Omni6D: Large-Vocabulary 3D Object Dataset for Category-Level 6D Object Pose Estimation: 构建了 Omni6D——首个大规模类别级 6DoF 姿态估计 RGBD 数据集，覆盖 166 个类别、4688 个实例、80 万张图像，远超现有 NOCS 等数据集（仅 6 类），并提出对称感知评估指标和渐进式微调策略。
Power Variable Projection for Initialization-Free Large-Scale Bundle Adjustment: 提出 Power Variable Projection (PoVar) 算法，将幂级数展开方法扩展到变量投影（VarPro）框架，并进一步推广到黎曼流形优化，首次实现了无初始化大规模光束法平差（BA）的高效求解。
SceneGraphLoc: Cross-Modal Coarse Visual Localization on 3D Scene Graphs: 提出 SceneGraphLoc，将查询图像在由多模态 3D 场景图组成的参考地图中进行粗定位，在不依赖大规模图像数据库的前提下，实现了接近 SOTA 图像级方法的定位精度，同时存储需求降低三个数量级。
SGS-SLAM: Semantic Gaussian Splatting for Neural Dense SLAM: 提出SGS-SLAM，首个基于Gaussian Splatting的语义视觉SLAM系统，通过多通道优化融合外观、几何和语义特征，在相机姿态估计、地图重建和语义分割方面均达到SOTA。
The NeRFect Match: Exploring NeRF Features for Visual Localization: 提出NeRFMatch，探索NeRF内部特征作为3D描述子的潜力，建立基于注意力机制的2D-3D匹配网络，在Cambridge Landmarks上实现有竞争力的定位性能，验证了NeRF作为定位场景表示的可行性。
Track Everything Everywhere Fast and Robustly: 提出一种高效鲁棒的测试时优化像素跟踪方法，通过引入CaDeX++可逆变形网络、单目深度先验和DINOv2长期语义一致性，将训练速度提升10倍以上，同时显著提高了跟踪精度和鲁棒性。