Argos: Adapt Rich Geometric Priors for Generalizable Online Scene-Change-Detection

📄 arXiv: 2610.10181v1 📥 PDF

作者: Ruihan Xu, Jiae Yoon, Kaichen Zhou, Ue-Hwan Kim, Luca Carlone

分类: cs.CV

发布日期: 2026-10-07

备注: More details on the project website: https://www.multyxu.com/argos/

💡 一句话要点

提出Argos以解决动态环境中的场景变化检测问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 场景变化检测 几何基础模型 3D重建 机器人技术 跨领域泛化

📋 核心要点

  1. 现有的学习方法在大视角变化和遮挡情况下表现不佳，且对噪声敏感，泛化能力有限。
  2. 本文提出Argos，通过适应几何基础模型特征，联合进行场景变化检测和3D重建。
  3. 实验结果表明，Argos在变化IoU和F1分数上分别提升42.01%和27.91%，显著优于现有基线。

📝 摘要（中文）

在动态环境中运行的机器人需要可靠的周围环境变化检测。现有的基于学习的方法主要依赖于成对的2D图像特征，面对大视角变化和遮挡时表现不佳，且对噪声敏感，跨领域的泛化能力有限。而显式的3D方法通常需要昂贵的离线优化。本文展示了几何基础模型（GFM）的隐式3D知识为解决这些问题提供了强有力的基础。我们提出了Argos，适应GFM特征以实现联合场景变化检测和3D重建。为了解决数据稀缺问题并朝着场景变化检测的基础模型迈进，我们引入了一个包含两个合成数据集和一个真实数据集的大规模基准，并在多样化数据集上进行联合训练，以提高跨领域的泛化能力。此外，我们还推出了Argos-SLAM，一个为机器人设计的实时系统，能够进行在线变化检测和变化感知的4D映射。我们的框架在基准测试中显著超越现有基线，变化IoU提升高达42.01%，F1提升27.91%，同时支持在变化的真实环境中进行可扩展部署。

🔬 方法详解

问题定义：本文旨在解决动态环境中机器人对周围环境变化的检测问题。现有方法主要依赖于2D图像特征，面对大视角变化和遮挡时表现不佳，且对噪声敏感，导致泛化能力有限。

核心思路：我们提出Argos，利用几何基础模型（GFM）的隐式3D知识，适应其特征以实现联合场景变化检测和3D重建，从而克服现有方法的局限性。

技术框架：Argos的整体架构包括数据预处理、特征提取、变化检测和3D重建四个主要模块。通过在多样化的数据集上进行联合训练，提升模型的跨领域泛化能力。

关键创新：Argos的核心创新在于将GFM特征与场景变化检测相结合，形成一种新的联合学习框架。这一方法与传统的2D特征方法相比，能够更好地处理大视角变化和遮挡问题。

关键设计：在模型设计中，我们采用了特定的损失函数以平衡变化检测和3D重建的目标，同时在网络结构上进行了优化，以提高特征提取的效率和准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在多个基准测试中，Argos框架的表现显著优于现有方法，变化IoU提升高达42.01%，F1分数提升27.91%。这些结果表明Argos在动态环境中的有效性和可靠性，支持其在真实世界中的可扩展部署。

🎯 应用场景

该研究的潜在应用领域包括自主机器人、智能监控系统和增强现实等。通过实现高效的场景变化检测，Argos能够在动态环境中提供更可靠的导航和交互能力，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

Robots operating in dynamic environments require reliable detection of how their surroundings change over time. Existing learning-based methods largely rely on pairwise 2D image features, which struggle under large viewpoint changes and occlusions, are sensitive to noise, and show limited generalization across domains, while explicit 3D approaches typically require costly offline optimization. We show that the implicit 3D knowledge of Geometric Foundation Models (GFMs) provides a strong basis for addressing these limitations. We introduce Argos, which adapts GFM features for joint scene change detection and 3D reconstruction. To address data scarcity and take a step toward a foundation model for scene change detection, we introduce a large-scale benchmark comprising two synthetic datasets and one real-world dataset, and train jointly across diverse datasets to improve cross-domain generalization. We further introduce Argos-SLAM, a real-time system designed for robotics, which performs online change detection and change-aware 4D mapping. Across benchmarks, our framework substantially outperforms existing baselines, with gains of up to 42.01% in change IoU and 27.91% in F1, while supporting scalable deployment in changing real-world environments.