m0_74310646的博客

作者是按照这样的次序来介绍的：首先从传统的三维重建讲起，再到SFM以及MVS，然后，讲到了DUSt3R的前身——CROCO，这是基于何凯明大神的MAE方法的一种图片匹配方法，是一个transformer架构，最后讲到了DUSt3R正是基于CroCo提出pointmap、confidence来做图片匹配、pose估计、稀疏重建，这是很重要的一步！

图像匹配是 3D 视觉中所有性能最佳算法和pipeline的核心组件。然而，尽管匹配从根本上来说是一个 3D 问题，与相机姿态和场景几何结构有内在联系，但它通常被视为一个 2D 问题。因为匹配的目标是建立 2D 像素字段之间的对应关系，但这是一个具有潜在危险的选择。在这项工作中，我们换一种视角，使用 DUSt3R（一种基于 Transformers 的最新且强大的 3D 重建框架）将匹配作为 3D 任务。该方法基于点图回归，在匹配具有极端视点变化的视图方面显示出令人印象深刻的鲁棒性，但精度有限。

InstantSplat是DUSt 3R的一个应用点，使用了其结果作为GS的初始化，先前已经花时间做好了PPT，ok直接上图，很恶心的是office转图片的功能不付费会有水印，望诸君莫怪，诸君可效仿匡衡之凿壁偷光，整体的目录如下：DUSt3R。

在现有的工作。基于这些分析，我们进一步研究了各种任务中的共同挑战和技术，并提出了潜在的研究机会。

从图像中恢复 3D 结构和相机运动一直是计算机视觉研究的长期焦点，被称为运动结构 （SfM）。这个问题的解决方案分为渐进式和全局式两种。到目前为止，最受欢迎的系统由于其卓越的准确性和鲁棒性而遵循增量范式，而全局方法的可扩展性和效率大大提高。在这项工作中，我们重新审视了全局 SfM 的问题，并提出 GLOMAP 作为一种新的通用系统，其性能优于全球 SfM 的最新技术。在准确性和稳健性方面，我们实现的结果与COLMAP（使用最广泛的增量SfM）相当或更胜一筹，同时速度快几个数量级。

不是3DGS用不起，而是转成mesh更有性价比！3DGS练习还不到两年半，新鲜的就2DGS出炉了，主要在做3DGS转mesh这个工作，看起来效果不错！来不及废话了快上车体验

看过最晦涩的一篇综述，没有之一，每一句话都值得仔细揣摩