MIRAGE: Metric Inference and Reliability-Aware Gaussian Estimation from Feed-Forward Vision

📄 arXiv: 2610.12568v1 📥 PDF

作者: Xinzhe Wang, Changjian Jiang, Kaiwen Song, Xudong Li, Kerui Ren, Ran Yi, Lizhuang Ma, Chunhua Shen, Linning Xu, Tao Lu, Mulin Yu

分类: cs.CV

发布日期: 2026-10-08

备注: Project Page: https://hiroxzwang.github.io/publications/mirage/

💡 一句话要点

提出MIRAGE以解决视觉重建中的度量尺度和轨迹漂移问题

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

关键词: 视觉重建 度量估计 多模态融合 高保真重建 轨迹估计 机器人导航 增强现实

📋 核心要点

  1. 现有方法在视觉重建中缺乏可靠的度量尺度，导致轨迹漂移和重建精度不足。
  2. MIRAGE通过将前馈视觉几何与LiDAR-IMU度量运动相结合，增强了姿态估计的准确性和重建的高保真性。
  3. 实验结果显示，MIRAGE在度量轨迹估计上超越了COLMAP，且为新的视觉基准提供了准确的参考轨迹。

📝 摘要（中文）

前馈3D先验能够从图像流中实现高质量重建，但通常缺乏可靠的度量尺度，并且容易出现长期轨迹漂移。相比之下，LiDAR-惯性估计提供了度量准确的运动，但缺乏高保真重建所需的图像空间一致性。我们提出了MIRAGE，该方法将前馈视觉几何锚定到LiDAR-IMU度量运动，并根据对应支持和跨模态一致性调节在线姿态修正，从而实现准确的度量姿态估计和高保真高斯重建。在Oxford Spires、M2DGR和INS上的实验表明，MIRAGE在度量轨迹估计方面表现优异，超越了COLMAP这一广泛使用但计算成本高的视觉基准。为了应对大规模室内重建中单目基准稀缺的问题，我们进一步构建了多模态数据采集平台，并利用MIRAGE建立了新的视觉基准的准确6自由度参考轨迹。

🔬 方法详解

问题定义：本论文旨在解决前馈视觉重建中缺乏可靠度量尺度和长期轨迹漂移的问题。现有方法如COLMAP在计算上昂贵且在长时间序列中容易出现误差。

核心思路：MIRAGE通过将前馈视觉几何与LiDAR-IMU的度量运动相结合，利用跨模态一致性和对应支持来调节姿态修正，从而实现更准确的度量姿态估计和高保真重建。

技术框架：MIRAGE的整体架构包括数据采集、特征提取、姿态估计和重建模块。首先，通过多模态数据采集平台获取图像和LiDAR数据，然后提取特征并进行姿态估计，最后进行高斯重建。

关键创新：MIRAGE的创新在于其将视觉几何与LiDAR-IMU度量运动相结合的方式，显著提高了姿态估计的准确性，并解决了传统方法中的长期漂移问题。

关键设计：在设计中，MIRAGE采用了特定的损失函数来平衡视觉和LiDAR信息的贡献，同时在网络结构上进行了优化，以提高处理效率和重建质量。具体参数设置和网络结构细节在论文中有详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，MIRAGE在Oxford Spires、M2DGR和INS数据集上实现了准确的度量轨迹估计，超越了COLMAP，且在计算效率上有显著提升。具体性能数据和对比结果在论文中详细列出，展示了MIRAGE的优越性。

🎯 应用场景

MIRAGE的研究成果在多个领域具有潜在应用价值，包括机器人导航、增强现实和自动驾驶等。通过提供高精度的姿态估计和高保真的重建，MIRAGE能够显著提升这些应用的可靠性和用户体验，推动相关技术的发展。

📄 摘要（原文）

Feed-forward 3D priors enable high-quality reconstruction from image streams but often lack reliable metric scale and suffer from long-term trajectory drift. In contrast, LiDAR--inertial estimation provides metrically accurate motion but lacks the image-space consistency needed for high-fidelity reconstruction. We propose $MIRAGE$, which anchors feed-forward visual geometry to LiDAR--IMU metric motion and regulates online pose corrections according to correspondence support and cross-modal agreement, jointly enabling accurate metric pose estimation and high-fidelity Gaussian reconstruction. Experiments on Oxford Spires, M2DGR and INS show that MIRAGE achieves accurate metric trajectory estimation, outperforming COLMAP, a widely used but computationally expensive reference for vision-only benchmarks. Motivated by the scarcity of long-horizon monocular benchmarks for large-scale indoor reconstruction, we further build a multimodal data-collection platform and use MIRAGE to establish accurate 6-DoF reference trajectories for a new vision-only benchmark. We benchmark recent monocular large-scale reconstruction methods on this dataset, providing a systematic evaluation of their performance in long-horizon indoor scenes.