点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达
来源：3D视觉工坊
星球内有20多门3D视觉系统课程、3DGS独家系列视频教程、顶会论文最新解读、海量3D视觉行业源码、项目承接、求职招聘等。想要入门3D视觉、做项目、搞科研，欢迎加入！
3D变化检测旨在从不同时间采集的同一场景的多视角数据中识别出发生变化的区域，是城市更新监测、灾害评估、建筑施工进度跟踪等应用的关键技术。随着3D重建技术的成熟，从视频或图像序列中重建的3D场景越来越普遍，如何高效、准确地在跨时相3D重建之间进行变化检测成为了一个重要的研究课题。
现有的跨时相3D变化检测方法面临一个根本性难题：跨时相配准与动态变化干扰相互耦合。场景中发生变化的区域会在配准过程中引入错误对应关系，而这些错误对应关系又会进一步恶化配准精度，形成恶性循环。此外，现有方法通常需要针对特定场景进行训练或调参，泛化能力有限，难以适应不同类型的室外和室内场景。
本文提出VGGT-CD，一个完全无需训练的3D变化检测管线。其核心思路是将跨时相配准与动态变化干扰彻底解耦，通过粗-精两阶段策略实现鲁棒的跨时相对齐：粗阶段通过稀疏关键帧联合推理建立统一度量空间和初始Sim(3)先验；精阶段通过隔离静态背景对应关系净化密集重建；最后通过闭式质心对齐精炼平移并锁定尺度和旋转。该方法无需任何训练数据，可直接应用于任意场景。
VGGT-CD的核心亮点在于实现了无需训练的跨时相3D变化检测，在World Across Time数据集的11个场景基准上取得了显著提升：室外场景的绝对轨迹误差（ATE）降低44%，室内场景降低59%，配准速度提升6倍以上。作为开源项目，VGGT-CD为3D变化检测社区提供了一个即插即用、无需GPU训练的高效基线工具。
论文信息
标题：VGGT-CD: Training-Free Robust Registration for 3D Change Detection
作者：Wei Zhang, Songhua Li, Yihang Wu, Qiang Li, Qi Wang
机构：西北工业大学
原文链接：https://arxiv.org/abs/2605.16859
代码链接：https://github.com/WZ-CS/VGGT-CD
导读
本文提出VGGT-CD，一个完全无需训练的3D变化检测管线，专注于解耦跨时相配准与动态变化干扰之间的相互影响。该方法采用粗-精两阶段配准策略：粗阶段利用稀疏关键帧进行联合推理，建立跨时相的统一度量空间并估计初始Sim(3)变换先验；精阶段通过识别和隔离静态背景对应关系来净化密集重建过程，有效排除动态变化区域的干扰；最后通过闭式质心对齐方案精炼平移分量并锁定尺度与旋转参数。在World Across Time数据集的11个场景上，VGGT-CD在室外场景将ATE降低44%、室内场景降低59%，配准速度提升超过6倍，且完全不需要训练过程。
效果展示
图 1 输入两时序多视角图像（车门关闭、后备箱开启两种状态），直接重建会得到分属不同坐标系的两组点云。未经配准直接叠加时，存在严重尺度偏差与边缘散点噪声，导致两期数据完全无法对比（左图）。采用 RANSAC 结合尺度迭代最近点算法仍无法消除尺度差异，配准失效，变化检测结果充斥大量误检（左中图）。本文提出的 VGGT-CD 算法可实现精准配准与变化检测（右中图）。局部放大效果（右图）：蓝色代表无变化区域；绿、黄、红依次表示变化程度递增，清晰呈现出开启的后备箱区域。
图4 典型场景可视化对比 第一行：时序、的输入图像组。 第二、三行：尺度迭代最近点算法（Scale-ICP）的配准与变化检测结果。静态背景配准错位，产生大量误检区域，掩盖了真实变化。 第四、五行：本文方法VGGT-CD的配准与变化检测结果。静态背景配准精准（蓝色标识），后备箱开启、家具移位、新增物体等真实物理变化边界清晰、区分明确。
引言
3D变化检测是从多时相3D场景重建中识别语义或几何变化的技术，在城市规划、灾害管理、建筑施工监测等领域具有重要应用价值。随着SLAM和多视图立体（MVS）技术的发展，从视频流中实时重建3D场景已成为现实，这为基于3D重建的变化检测提供了丰富的数据基础。
跨时相3D变化检测的核心挑战在于配准问题：需要将不同时间采集的3D重建对齐到统一坐标系中，才能进行像素级或体素级的变化比较。现有的配准方法包括基于特征点的ICP变种、基于学习的方法以及基于3D高斯溅射的方法。然而，这些方法在场景存在显著变化时往往表现不佳，因为变化区域会引入错误的对应关系，破坏配准过程。
现有方法的局限性主要体现在三个方面：配准与变化检测相互耦合，形成"鸡生蛋蛋生鸡"的困境；基于学习的方法需要大量标注数据且泛化能力有限；现有方法的配准速度较慢，难以满足实时或准实线的应用需求。特别是对于室外大尺度场景，配准的精度和效率都面临严峻挑战。
VGGT-CD的核心动机是：如果能够将配准过程与变化干扰解耦，即先利用静态区域建立可靠的对应关系，再基于这些纯净对应关系进行精确配准，就能同时提升配准精度和变化检测的准确性。基于这一思路，本文设计了粗-精两阶段的无需训练配准管线。
主要贡献
本文的主要贡献可以概括为以下三个方面：
• 提出完全无需训练的3D变化检测管线VGGT-CD，通过粗-精两阶段策略解耦跨时相配准与动态变化干扰，无需任何训练数据或GPU资源即可直接部署，极大地降低了3D变化检测的使用门槛。
• 设计稀疏关键帧联合推理的粗配准阶段，通过建立统一度量空间和初始Sim(3)先验，为精配准提供可靠的初始化；精配准阶段通过隔离静态背景对应关系净化密集重建，有效排除动态变化区域的干扰。
• 在World Across Time数据集的11个场景上取得显著性能提升，室外ATE降低44%、室内降低59%，配准速度提升6倍以上，并以开源形式发布，为社区提供了高效的基线工具。
方法
VGGT-CD的整体管线分为三个阶段：粗配准阶段、精配准阶段和质心对齐精炼阶段。输入为两个不同时间采集的视频序列，输出为对齐后的3D重建和变化检测掩码。整个流程无需训练，完全基于几何约束和统计方法。
粗配准阶段的核心是稀疏关键帧联合推理。该方法从两个时相的视频中分别提取稀疏关键帧，利用视觉基础模型（如DUST3R）进行联合推理，在统一度量空间中建立跨时相的初始对应关系。基于这些对应关系，通过RANSAC鲁棒估计初始Sim(3)变换（包含相似性变换的缩放、旋转和平移），为后续精配准提供可靠的初始先验。这一阶段的关键在于利用稀疏关键帧而非密集帧进行推理，既降低了计算成本，又通过关键帧的筛选减少了动态变化区域的干扰。
精配准阶段在初始Sim(3)先验的引导下进行密集重建。该阶段的核心创新是静态背景对应关系隔离机制：通过分析对应关系的一致性和几何合理性，识别并排除属于动态变化区域的对应关系，仅保留静态背景的纯净对应关系进行密集重建。最后，闭式质心对齐方案通过计算两组点云的质心差异来精炼平移分量，同时锁定在粗配准阶段确定的尺度和旋转参数，避免精配准过程中的参数漂移。
实验结果
实验在World Across Time数据集上进行，该数据集包含11个不同场景（涵盖室内外环境）的跨时相视频序列，是3D变化检测领域的标准基准。对比方法包括基于ICP的方法、基于学习的方法以及基于3D高斯溅射的最新方法。评估指标包括绝对轨迹误差（ATE）、相对配准误差和运行时间。
实验结果表明，VGGT-CD在所有11个场景上均取得了一致性的性能提升。在室外场景中，ATE平均降低44%，在室内场景中降低59%。在配准速度方面，VGGT-CD相比最优对比方法提速6倍以上，这主要得益于无需训练的推理流程和稀疏关键帧的高效利用。定性结果显示，VGGT-CD的变化检测掩码更加干净准确，误检率和漏检率均显著低于对比方法。
消融实验验证了各阶段设计的必要性。去除粗配准阶段会导致精配准陷入局部最优；去除静态背景隔离机制会使变化区域严重干扰配准结果；去除质心对齐精炼会导致平移精度下降。此外，实验还分析了不同关键帧数量对性能的影响，结果表明适量的关键帧即可达到接近最优的性能。
总结 & 未来工作
本文提出VGGT-CD，一个完全无需训练的3D变化检测管线，通过粗-精两阶段配准策略有效解耦了跨时相配准与动态变化干扰。在World Across Time数据集的11个场景上，VGGT-CD取得了室外ATE降低44%、室内降低59%、配准提速6倍以上的显著成果。作为开源项目，VGGT-CD为3D变化检测社区提供了高效、易用的基线工具。
未来工作可以从以下方向展开：将VGGT-CD扩展到更大尺度的城市场景，支持无人机和卫星级别的变化检测；探索语义级别的变化检测能力，不仅识别"哪里变了"还能回答"变成了什么"；结合时序信息实现长期变化趋势分析；以及优化管线以支持端到端的实时变化检测。
对更多实验结果和文章细节感兴趣的读者，可以阅读一下论文原文~
本文仅做学术分享，如有侵权，请联系删文。
。
添加微信：cv3d001，备注：姓名+方向+单位，邀请入群。
