- 基于事件驱动束调整的去模糊神经辐射场
提出了用于去模糊的神经光辐射场（NeRF）的事件驱动捆绑调整方法（EBAD-NeRF），该方法通过利用混合事件 - RGB 数据来联合优化可学习的姿势和 NeRF 参数，引入了强化相机运动模糊的强度变化度量事件损失和光度模糊损失，实验证明 - 循环图中的旋转平均：基于原始 - 对偶方法和闭合形式
通过最大似然估计的方法，本文针对旋转平均问题提出了一种新的原始 - 对偶方法，以解决在计算机视觉和摄像机网络标定中使用的非凸高维优化问题，并在多个情境中对该方法进行了基准测试，通过对偶理论验证了解决方案的有效性和性能提升。
- $ν$-DBA: 神经隐式密集束调整实现仅基于图像的驾驶场景重建
本文介绍了一种新颖的框架实施几何密集束调整（DBA），使用 3D 神经隐式表面进行地图参数化，通过密集光流预测引导的几何误差来优化地图表面和轨迹姿态，进一步改进了密集 * 映射的质量。我们在多个行驶场景数据集上的实验结果表明，我们的方法在轨 - CMax-SLAM: 基于对比度最大化的事件驱动旋转运动束调整与 SLAM 系统
该研究使用事件相机对旋转运动进行估计，并提出了首个基于事件的旋转姿态束调整方法（BA），用于构建事件相机旋转姿态的前端和后端 SLAM 系统。通过全面实验以及源代码和数据发布以促进进一步研究，希望提高对基于事件的自我运动估计的理解。
- PSS-BA：具有渐进空间平滑的 LiDAR 束调整
该论文介绍了一种具有渐进空间平滑的 LiDAR 束调整方法，用于复杂环境下的点云构建，能够获得高质量的点云重建结果，并在复杂环境中展现出更好的精度。
- VOOM: 强健的视觉物体里程计与地图构建方法利用分层地标
使用高级对象和低级点作为分层地标，采用改进的观测模型和新的数据关联方法，并在粗到精的方式下，利用对象信息增强特征点的数据关联并更新地图，最终优化相机位置和对象，实验证明在定位方面优于面向对象的 SLAM 和特征点的 SLAM 系统。
- 基于视觉几何的深度结构运动
我们提出了一种新的深度管道 VGGSfM，其中每个组件都是完全可微的，因此可以进行端到端的训练，通过引入新的机制和简化，我们在三个流行的数据集 CO3D，IMC Phototourism 和 ETH3D 上实现了最先进的性能。
- 一种捆绑调整的游戏 —— 学习高效收敛
通过将 bundle adjustment 问题看作一个强化学习任务，我们提出了一种方法来训练一个代理模型选择阻尼因子，该方法显著减少了达到 bundle adjustment 收敛所需的迭代次数，并且可以与其他加速方法整合。
- 基于增量运动结构的球面图像三维重建
本文研究基于球面图像拍摄几何的三维重建算法，提出了增量式结构化学习工作流并通过三个球面数据集进行验证。结果证明该工作流可以成功重建复杂场景并为开源软件包的实现提供有用线索。
- DAC: 深度局部特征的检测器不可知空间协方差
该研究提出了两种后置协方差估计方法，可以用于任何经过预训练的深度特征检测器，这些协方差可以直接与特征匹配误差相关联，从而改善下游任务，包括三角化，透视 - N 点问题和只运动捆绑调整。
- 分散和加速实现大规模捆绑调整
本文提出了一种完全去中心化的方法，通过重构再投影误差和导出新的代理函数，解决了通信和计算瓶颈，将 bundle adjustment 问题分解成可并行求解的最优化子问题，最终达到更快的收敛速度和更准确的结果。
- 基于激光雷达点云的捆绑调整平面提取高效方法
本研究提出了一种基于体素的平面提取方法，结合 PCA 法实现点云分割并采用平面合并方法防止最后优化时所需时间过长，实验表明该方法比其他平面提取方法具有更高的精度和更少的时间成本。
- 使用相对运动海森矩阵的无意义全局捆绑调整
本文提出了一种新的捆绑调整目标，它不依赖于图像特征的重新投影误差，同时保持与传统捆绑调整相当的精度，通过平均相对运动和局部海森矩阵的加权目标函数，从而隐含地考虑结构信息，利用全局对齐来引导最终优化。
- CVPR学习深度协方差函数
我们提出了一种学习深度协方差函数的方法，并将其应用于几何视觉任务中，尤其在深度补全、捆集调整和单目稠密视觉里程计方面。
- CVPR重温卷帘快门束调整：朝着准确和快速的解决方案
提出了一种基于滚动快门相机的相机姿态估计和环境几何估计的鲁棒快速 Bundle Adjustment 解决方案，该方案采用了标准化和协方差标准化加权的组合，避免平面退化，并针对其雅可比矩阵和舒尔补的稀疏性进行加速。
- CVPRSat-NeRF: 使用 RPC 相机学习多视图卫星摄影测量和瞬时物体以及阴影建模
介绍了一种新的卫星多视角摄影测量学的端到端模型 - 卫星神经辐射场（Sat-NeRF），利用神经渲染的最新技术结合本地卫星相机模型，通过阴影感知辐照模型和不确定性加权等方法来提高模型对于多次拍摄图像在外观上的高质量表现。
- ECCVMegBA：基于 GPU 的大规模束调整分布式库
本文介绍了 MegBA—— 一种基于 GPU 的分布式大规模相机捆绑优化库，相较于目前现有的 Ceres、RootBA 和 DeepLM 等大规模相机捆绑优化库，它在一些大规模测试中表现出了更高的性能，可以提供巨大的聚合内存，可以自动划分大 - 分秒之间的旋转平均值：一种基于原始对偶方法和闭合形式的循环图算法
本文从最大似然估计的角度出发，提出了一种新的无需初始化的原始 - 对偶方法来解决旋转平均问题，同时，在循环图中得出了旋转平均的第一个闭合解，这一方法在精度和性能方面都有了显著的提升。
- 使用人重新识别的广基线多相机标定
提出了一种使用人员重新识别作为建立相机之间对应关系的方法来实现大环境宽基线情况下相机 3D 姿态的估计。
- CVPR大规模重建的平方根束调整
提出了一种新的捆绑调整问题的公式，该公式依赖于通过 QR 分解对路标变量进行零空间边缘化。我们称之为平方根捆绑调整法，它在代数上等价于常用的 Schur 补技巧，提高了计算的数值稳定性，并允许使用单精度浮点数来解决大规模捆绑调整问题。