单域泛化MVS框架

跨域鲁棒重建

无需目标域数据，仅用单一源域训练即可在未见域保持特征一致性，提升多视图立体的泛化重建能力。

许鸿斌 · Chen, Weitao · Sun, Baigui · 谢宣松 · 康文雄

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

单源域训练

仅使用一个源域的数据训练，即可泛化到未见域，无需任何目标域数据。

特征一致性

提出的 DCW 损失减少多视角特征中的视点特有风格信息，使匹配更鲁棒。

性能领先

在构建的域泛化基准上取得最优结果，证明方法有效性。

应用场景

• 三维重建：在域偏移下仍能重建稠密点云，无需重新训练。
• 具身智能环境感知：为机器人提供跨场景一致的深度估计，适配陌生环境。
• 机器人视觉：提升真实世界泛化性，避免视觉系统在部署时失效。
• 无人机测绘：在不同地貌和光照下保持重建精度，减少数据重采集。
• 工业测量：跨域一致性降低新产线标定成本，保证测量稳定。