論文の概要: SGAligner++: Cross-Modal Language-Aided 3D Scene Graph Alignment

• arxiv url: http://arxiv.org/abs/2509.20401v1
• Date: Tue, 23 Sep 2025 18:31:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 14:23:57.778013
• Title: SGAligner++: Cross-Modal Language-Aided 3D Scene Graph Alignment
• Title（参考訳）: SGAligner++: クロスプラットフォーム言語支援の3Dシーングラフアライメント
• Authors: Binod Singh, Sayan Deb Sarkar, Iro Armeni,
• Abstract要約: SGAligner++は,3次元シーングラフアライメントのための言語支援フレームワークである。 提案手法は,異種多様度にまたがる部分重なり合うシーン観察の整列化という課題に対処する。 軽量なユニモーダルエンコーダとアテンションベースのフュージョンを用いることで、SGAligner++は視覚的ローカライゼーション、3D再構成、ナビゲーションといったタスクのシーン理解を強化する。
• 参考スコア（独自算出の注目度）: 10.732527160480444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aligning 3D scene graphs is a crucial initial step for several applications in robot navigation and embodied perception. Current methods in 3D scene graph alignment often rely on single-modality point cloud data and struggle with incomplete or noisy input. We introduce SGAligner++, a cross-modal, language-aided framework for 3D scene graph alignment. Our method addresses the challenge of aligning partially overlapping scene observations across heterogeneous modalities by learning a unified joint embedding space, enabling accurate alignment even under low-overlap conditions and sensor noise. By employing lightweight unimodal encoders and attention-based fusion, SGAligner++ enhances scene understanding for tasks such as visual localization, 3D reconstruction, and navigation, while ensuring scalability and minimal computational overhead. Extensive evaluations on real-world datasets demonstrate that SGAligner++ outperforms state-of-the-art methods by up to 40% on noisy real-world reconstructions, while enabling cross-modal generalization.
• Abstract（参考訳）: 3Dシーングラフのアライメントは、ロボットナビゲーションや知覚の具体化において、いくつかのアプリケーションにとって重要な第一歩である。 3Dシーングラフアライメントの現在の手法は、単一のモダリティポイントクラウドデータに依存し、不完全またはノイズの多い入力に苦労することが多い。 SGAligner++は,3次元シーングラフアライメントのための言語支援フレームワークである。 本手法は,低オーバーラップ条件下でも正確なアライメントとセンサノイズを実現するために,統一的な関節埋め込み空間を学習することにより,異種モード間のシーン観察を部分的に重畳させるという課題に対処する。 軽量なユニモーダルエンコーダとアテンションベースのフュージョンを用いることで、SGAligner++は、視覚的なローカライゼーション、3D再構成、ナビゲーションといったタスクに対するシーン理解を強化し、スケーラビリティと最小の計算オーバーヘッドを確保している。 実世界のデータセットに対する大規模な評価では、SGAligner++は、ノイズの多い実世界の再構築において、最先端のメソッドを最大40%上回り、クロスモーダルな一般化を実現している。

関連論文リスト

• CrossOver: 3D Scene Cross-Modal Alignment [78.3057713547313]
  CrossOverは、クロスモーダルな3Dシーン理解のための新しいフレームワークである。 モダリティを整列させることにより、シーンの統一的でモダリティに依存しない埋め込み空間を学ぶ。 堅牢なシーン検索とオブジェクトのローカライゼーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-20T20:05:30Z)
• CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion [83.30168660888913]
  シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。 パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。 生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
  論文  参考訳（メタデータ） (2023-05-25T17:39:13Z)
• SGAligner : 3D Scene Alignment with Scene Graphs [84.01002998166145]
  3Dシーングラフの構築は、いくつかの具体的AIアプリケーションのためのシーン表現のトピックとして登場した。 オーバーラップ可能な3次元シーングラフのペアをゼロから部分的に整列させるという基本的な問題に着目する。 そこで我々はSGAlignerを提案する。SGAlignerは3次元シーングラフのペアを組合わせるための最初の方法であり、その組込みシナリオに対して堅牢である。
  論文  参考訳（メタデータ） (2023-04-28T14:39:22Z)

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。