基于自我中心立体视频的无参考食物体积估计

2026年10月12日，arXiv（Computer Vision）发表一项研究，提出基于可穿戴自我中心设备采集立体视频的食物体积估计方法。该方法无需手机多图拍摄或放置参考物，即可重建食物的真实物理尺度并估计体积。方案采用 FoundationStereo 进行零样本立体匹配，用 SAM 2 完成食物分割，并对关键帧进行 TSDF 融合，生成视觉与度量均准确的 3D 网格。设备出厂标定的立体基线，以及通过视觉惯性里程计（VIO）在端上估计的相机位姿，共同支撑全自动重建流程。目前报道仅涉及该方法的技术构成与流程，未披露实验数据或后续验证进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。