SURE-Map: Self-Correcting Streaming Geometric Foundation Model

📄 arXiv: 2609.15795v1 📥 PDF

作者: Mingkai Liu, Hao Zhao, Xingxing Zuo

分类: cs.CV

发布日期: 2026-09-14

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出SURE-Map以解决流式几何重建中的自我修正问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 流式几何重建 自我修正 几何不确定性 多时间尺度 动态环境

📋 核心要点

  1. 现有流式几何重建方法在动态环境中容易受到局部误差的影响，导致几何失真和尺度漂移。
  2. SURE-Map通过显式建模跨视图几何不确定性和引入多时间尺度自我修正来提高重建的可靠性。
  3. 实验结果显示，SURE-Map在KITTI、Oxford Spires和VBR数据集上显著降低了ATE-RMSE，提升了重建精度。

📝 摘要（中文）

流式几何基础模型作为SLAM系统的替代方案逐渐受到关注。然而，这种流式特性引入了一个基本问题：每次预测都基于有限的上下文，容易受到动态物体和弱纹理的影响。小的局部误差会累积成严重的几何失真和长时间尺度漂移。为了解决这一问题，本文提出了SURE-Map，一个自我修正的框架，基于两个互补原则：首先，显式建模跨视图几何不确定性；其次，引入多时间尺度自我修正机制，以保持流式效率并定期重新校准最近轨迹的尺度。SURE-Map在长时间基准测试中建立了新的在线前馈重建的最先进性能。

🔬 方法详解

问题定义：本文旨在解决流式几何重建中由于动态物体和弱纹理导致的局部误差累积问题，现有方法在处理这些情况时表现不佳，容易产生几何失真和尺度漂移。

核心思路：SURE-Map的核心思想是将几何基础模型设计为不仅具备预测能力，还具备自我修正能力。通过建模跨视图几何不确定性，确保预测的姿态和深度在几何上保持一致。

技术框架：SURE-Map的整体架构包括两个主要模块：一是快速的连续帧推理以保持流式效率，二是稀疏关键帧窗口推理以提供长时间范围的几何证据，从而定期校准最近轨迹的尺度。

关键创新：本文的主要创新在于显式建模跨视图几何不确定性，超越了传统的深度或点置信度评估，直接衡量预测的几何一致性。此外，引入的多时间尺度自我修正机制有效解决了局部修正无法消除的慢性尺度误差。

关键设计：在设计中，采用了特定的损失函数来优化跨视图一致性，并在网络结构中引入了多时间尺度的推理策略，以平衡流式处理的效率与重建精度。具体的参数设置和网络结构细节在实验部分进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在KITTI数据集上，SURE-Map将ATE-RMSE从24.00降低至17.24米，在Oxford Spires上从5.11降低至4.74米，在VBR上从31.37降低至28.58米。此外，结合回环闭合优化后，进一步提升至15.17、4.63和22.12米，显示出显著的性能提升。

🎯 应用场景

SURE-Map在自动驾驶、机器人导航和增强现实等领域具有广泛的应用潜力。通过提高流式几何重建的精度和可靠性，该方法能够增强动态环境下的实时定位和地图构建能力，推动相关技术的实际应用和发展。

📄 摘要（原文）

Streaming geometric foundation models are emerging as a compelling alternative to SLAM systems. Yet this streaming nature introduces a fundamental issue: each prediction is made from limited context, which is vulnerable to dynamic objects and weak textures. Small local errors accumulate into severe geometric distortion and long-horizon scale drift. We argue that reliable streaming reconstruction requires geometric foundation models to be not only predictive, but also self-correcting. We introduce SURE-Map, a self-correcting framework built upon two complementary principles. First, we explicitly model cross-view geometric uncertainty. Unlike conventional depth or point confidence, which primarily reflects the reliability of individual-view prediction, our uncertainty directly measures whether the jointly predicted pose and depth induce geometrically consistent cross-view pixel correspondences. Second, because local correction alone cannot eliminate slowly accumulating scale errors, we introduce multi-timescale self-correction: fast consecutive-frame inference preserves streaming efficiency, while sparse keyframe-window inference provides longer-range geometric evidence to periodically recalibrate the scale of recent trajectories. SURE-Map establishes new state-of-the-art performance for online feed-forward reconstruction across long-horizon benchmarks, reducing ATE-RMSE from 24.00 to 17.24 m on KITTI, 5.11 to 4.74 m on Oxford Spires, and 31.37 to 28.58 m on VBR, with further improvements to 15.17, 4.63, and 22.12 m when incorporating loop-closure refinement. Project page: https://mingkai-liu.github.io/projects/sure-map/.