#Factor Graph (1)

UniSim-SLAM：统一 Sim(3) 优化的前馈式 SLAM

几何基础模型（DUSt3R、VGGT 等）让 SLAM 第一次可以前馈推理，但它们的预测强依赖输入视角配置：同一帧图像与不同共视帧一起推理会得到不同的尺度与位姿，长序列串接时几何不一致与轨迹漂移由此而来。UniSim-SLAM 把经典 SLAM 的「前端里程计 + 后端优化」架构搬到前馈模型上——前端跑轻量两视关键帧跟踪保证低延迟，后端周期性做多视子图精化补充约束，再用一张统一的 Sim(3) 多层因子图把定义在异质局部坐标系、尺度互不一致的预测联合优化：图中包含时间序的视-视里程计边、带深度统计尺度锚定的视-子图桥接边，以及子图间的连接与尺度约束。在 TUM RGB-D 与 7-Scenes 上，未标定设置下的轨迹误差分别比此前最好结果降低 38.5% 与 45.9%。已被 ECCV 2026 接收。