論文の概要: MP-SfM: Monocular Surface Priors for Robust Structure-from-Motion

• arxiv url: http://arxiv.org/abs/2504.20040v1
• Date: Mon, 28 Apr 2025 17:59:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.552172
• Title: MP-SfM: Monocular Surface Priors for Robust Structure-from-Motion
• Title（参考訳）: MP-SfM:ロバスト構造の単分子表面優先
• Authors: Zador Pataki, Paul-Edouard Sarlin, Johannes L. Schönberger, Marc Pollefeys,
• Abstract要約: SfM(Structure-from-Motion)に対する新しいアプローチを提案する。 当社のアプローチは、極端な視点の変化の下で、既存のアプローチよりも大幅に優れています。 また, 単分子前駆体は, 対称性による障害関連を否定する上で有効であることを示す。
• 参考スコア（独自算出の注目度）: 57.261421172249044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Structure-from-Motion (SfM) has seen much progress over the years, state-of-the-art systems are prone to failure when facing extreme viewpoint changes in low-overlap, low-parallax or high-symmetry scenarios. Because capturing images that avoid these pitfalls is challenging, this severely limits the wider use of SfM, especially by non-expert users. We overcome these limitations by augmenting the classical SfM paradigm with monocular depth and normal priors inferred by deep neural networks. Thanks to a tight integration of monocular and multi-view constraints, our approach significantly outperforms existing ones under extreme viewpoint changes, while maintaining strong performance in standard conditions. We also show that monocular priors can help reject faulty associations due to symmetries, which is a long-standing problem for SfM. This makes our approach the first capable of reliably reconstructing challenging indoor environments from few images. Through principled uncertainty propagation, it is robust to errors in the priors, can handle priors inferred by different models with little tuning, and will thus easily benefit from future progress in monocular depth and normal estimation. Our code is publicly available at https://github.com/cvg/mpsfm.
• Abstract（参考訳）: Structure-from-Motion (SfM) は長年にわたって大きな進歩を遂げてきたが、最先端のシステムは、低オーバーラップ、低パララックス、高対称性のシナリオで極端な視点の変化に直面している場合、失敗する傾向にある。 これらの落とし穴を避けるイメージのキャプチャは難しいため、特に専門家でないユーザによるSfMの利用を著しく制限する。 従来のSfMパラダイムを、単分子深度とディープニューラルネットワークによって推定される通常の先行値で拡張することで、これらの制限を克服する。 モノクロ制約とマルチビュー制約の密接な統合により、我々のアプローチは、標準条件下での強い性能を維持しながら、極端な視点変化の下で既存の制約よりも大幅に優れています。 また,SfMの長期的問題である対称性により,単分子前駆体が障害関連を否定するのに役立つことを示す。 これにより、少ない画像から挑戦的な屋内環境を確実に再構築できる最初の方法となる。 原則化された不確実性伝播を通じて、前者のエラーに対して堅牢であり、チューニングの少ない異なるモデルによって推測される事前を処理でき、これにより、単分子深度と正規推定の将来の進歩から容易に恩恵を受けることができる。 私たちのコードはhttps://github.com/cvg/mpsfm.comで公開されています。

関連論文リスト

• Relative Pose Estimation through Affine Corrections of Monocular Depth Priors [69.59216331861437]
  本研究では,独立なアフィン(スケールとシフト)のあいまいさを明示的に考慮した相対ポーズ推定のための3つの解法を開発した。 提案する解法と古典的点ベース解法とエピポーラ制約を組み合わせたハイブリッド推定パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-01-09T18:58:30Z)
• Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing [56.66469232740998]
  構造化状態空間モデル (Structured State Space Models, SSMs) は, 強い相対バイアスによって本質的に制限されていることを示す。 このバイアスにより、モデルが遠方の情報を思い出す能力が損なわれ、堅牢性の問題がもたらされる。 本研究では, 状態遷移行列の2つのチャネルをSSMで分極し, それぞれ0と1に設定し, 電流バイアスと過平滑化に同時に対処することを提案する。
  論文  参考訳（メタデータ） (2024-12-31T22:06:39Z)
• Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
  本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。 我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
  論文  参考訳（メタデータ） (2024-09-29T22:20:32Z)
• Scene Prior Filtering for Depth Super-Resolution [97.30137398361823]
  テクスチャ干渉とエッジ不正確性を緩和するScene Prior Filtering Network(SPFNet)を導入する。 我々のSPFNetは、実データと合成データの両方で広範囲に評価され、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-02-21T15:35:59Z)
• DebSDF: Delving into the Details and Bias of Neural Indoor Scene Reconstruction [34.07747722661987]
  本稿では,単分子先行における不確実性の利用とSDFに基づくボリュームレンダリングにおけるバイアスに着目した。 本稿では,より大規模な不確実性とモノラルな先行誤差を関連付ける不確実性モデリング手法を提案する。 その後、バイアスを防ぐために、高い不確実性事前を最適化から除外する。
  論文  参考訳（メタデータ） (2023-08-29T18:00:22Z)
• Learned Monocular Depth Priors in Visual-Inertial Initialization [4.99761983273316]
  視覚慣性オドメトリー(VIO)は、今日のほとんどのAR/VRおよび自律ロボットシステムのポーズ推定バックボーンである。 本稿では,古典的視覚慣性構造の限界を回避することを提案する。 学習した単眼深度画像(単眼深度)を利用して特徴の相対的深度を制約し,そのスケールとシフトを最適化することにより,単眼深度をメートル法スケールにアップグレードする。
  論文  参考訳（メタデータ） (2022-04-20T00:30:04Z)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• Blind Image Restoration with Flow Based Priors [19.190289348734215]
  未知の劣化を伴う盲点において、優れた先行性は依然として不可欠である。 本稿では, 正規化フローを用いて対象コンテンツの分布をモデル化し, 最大アフターリ(MAP)の定式化に先立ってこれを前もって用いることを提案する。 我々の知る限りでは、これは画像強調問題に先行する正規化フローを探求する最初の研究である。
  論文  参考訳（メタデータ） (2020-09-09T21:40:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。