arXiv Computer Vision· Kejun Ren, Lei Jin, Tianxin Huang, Lianming Xu, Li Wang·· 13 小时前AI 评分38
重新审视长序列循环三维重建中的状态更新门控
Rethinking the State Update Gate for Long-Sequence Recurrent 3D Reconstruction
AI 导读
研究剖析 TTT3R 式逐 token 门控发现其幅值中位数仅 0.31、上限不超过 0.6 且近乎帧不变，每个状态 token 的有效记忆跨度仅约 3 帧，成为长序列漂移的结构性根源。
推荐理由模型分析
该工作先剖析 TTT3R 式逐 token 门控的幅值受限、近似帧不变问题，指出其有效记忆仅约 3 帧，是长序列漂移的结构性来源；随后补上帧级写入权重这一缺失维度，用内部特征帧间变化闭式导出标量门控，无需参数、训练或额外前向。在最长 4661 帧的六个基准上，长 TUM-RGBD 位姿 ATE 降 51%、Bonn 深度 AbsRel 降 13.0%，KITTI 长序列平均 ATE 超过 LongStream 与 Keyframe-VO，且保持恒定内存。做流式 3D 重建与 SLAM 的研究者可据此比较门控设计与长序列基线，但结论限于所列基准与推理期改动。
来源：arXiv Computer Vision · arxiv.org