Zunnan Xu, Shangchen Zhou, Yihang Luo, Chen Change Loy · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31635 · open-access PDF
Os modelos de feed-forward estimam com precisão o movimento da câmera e a geometria 3D a partir de janelas de vídeo curtas. No entanto, os custos de computação e memória impedem a inferência direta em sequências contendo milhares de quadros. Os vídeos longos devem, portanto, ser processados como pedaços sobrepostos. Esta divisão produz reconstruções locais independentes com quadros de coordenadas inconsistentes e estimativas duplicadas de câmeras compartilhadas. Para alcançar a consistência global, é necessário propagar restrições de sobreposições adjacentes e revisões remotas em toda a sequência. Este requisito motiva naturalmente a otimização gráfica.
Machine translation (Meta M2M100); the English original follows.
Feed-forward models accurately estimate camera motion and 3D geometry from short video windows. However, computational and memory costs prevent direct inference on sequences containing thousands of frames. Long videos must therefore be processed as overlapping chunks. This division produces independent local reconstructions with inconsistent coordinate frames and duplicate estimates of shared cameras. Achieving global consistency requires propagating constraints from adjacent overlaps and distant revisits across the sequence. This requirement naturally motivates pose graph optimization. Howeve
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31635, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange