站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
TrackEverything：通过去重3D场景表示实现长时程稠密跟踪
TrackEverything: Long Horizon Dense Tracking via De-Duplicating 3D Scene Representations
摘要显示，现有3D点追踪模型面临稀疏长时程与稠密短片段之间的权衡。TrackEverything将视频表示为世界坐标系下的持久3D场景轨迹，通过滑动窗口边界体素化去重、端点细化器加轻量轨迹细化器的两阶段分解，以及用场景点云特征采样替代4D相关体积的3D WAFT，把模型复杂度与视频时长解耦。摘要称其为首个能在40GB显存内追踪超1000帧视频全部可见点的3D追踪器，在TAPVid-3D短片段上较开源全帧稠密3D追踪器APD提升超20%。
意义：为长视频稠密3D点追踪提供了显存可控的新范式，有望推动机器人、视频编辑与4D重建等长时程应用。