**ReLift：将稠密 3D 跟踪重构为几何轨迹修复与补全**

_ReLift: Dense 3D Tracking as Lifted Trajectory Repair_

> 针对单目视频稠密 3D 跟踪中联合学习对应点、深度及轨迹的难题，ReLift 提出了一种高效的端到端框架，将任务重构为几何轨迹修复。该方法利用预训练的 2D 跟踪器和 3D 几何模型生成初始轨迹，并通过注意力机制沿及跨轨迹交替处理，以修复遮挡导致的深度错误并补全缺失运动。ReLift 仅需几何输入即可训练，实现了与具体跟踪器解耦，在 WorldTrack 数据集上实现了最先进精度，显著优于现有基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.42136)