IntriAdapt：用于度量几何估计的可泛化内参引导测试时自适应

基于摘要分析。该研究针对从图像恢复度量三维几何时的透视投影歧义，提出 IntriAdapt：利用已知相机内参检验预测点云的几何一致性，并据此进行测试时自适应，而不依赖外部深度测量。 核心机制是比较预测点云的视线方向与已知相机内参所定义的视线方向，构造闭式几何残差。方法冻结几何基础模型，仅优化轻量 LoRA 适配器，使预测与特定相机模型对齐。区别于将内参作为推理输入的做法，这里将内参用于输出侧监督；摘要称适配不需要深度传感器或外部先验，但仍依赖已知相机内参。 在视频场景中，作者使用短序列完成适配，再将模型应用于同一相机采集的其他序列；留出图像通过前馈推理处理，无需逐帧重复优化。作者报告，在覆盖多个基础模型的十个单图像基准和七个序列基准上，IntriAdapt 在度量精度与相对几何方面均持续优于未适配模型及 oracle-intrinsics 基线。摘要未提供具体分数、基准名称或基线配置，不能据此量化增益；同相机跨序列结果也不等于跨相机泛化。 复现时需核对几何残差的具体定义、内参误差敏感性、LoRA 配置、适配步数与成本，以及适配序列和留出序列的划分。实验协议、消融及统计信息尚未验证。该工作主要研究对象是图像三维几何估计，其监督依赖相机投影结构，摘要未建立与 EEG/BCI 的具体机制对应，因此不据此推断 BCI 有效性。