論文の概要: MoRe: Monocular Geometry Refinement via Graph Optimization for Cross-View Consistency
- arxiv url: http://arxiv.org/abs/2510.07119v1
- Date: Wed, 08 Oct 2025 15:11:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-09 16:41:20.587612
- Title: MoRe: Monocular Geometry Refinement via Graph Optimization for Cross-View Consistency
- Title（参考訳）: MoRe: クロスビュー一貫性のためのグラフ最適化によるモノクロ幾何リファインメント
- Authors: Dongki Jung, Jaehoon Choi, Yonghan Lee, Sungmin Eum, Heesung Kwon, Dinesh Manocha,
- Abstract要約: MoReは、クロスビューの整合性を改善し、スケールアライメントを実現するために設計された、トレーニング不要なモノクロ幾何リファインメント手法である。
我々は,MoReが3次元再構成を向上するだけでなく,特にスパース・ビュー・レンダリングのシナリオにおいて,新しいビュー合成を改善することを実証した。
- 参考スコア（独自算出の注目度）: 48.18662506772122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Monocular 3D foundation models offer an extensible solution for perception tasks, making them attractive for broader 3D vision applications. In this paper, we propose MoRe, a training-free Monocular Geometry Refinement method designed to improve cross-view consistency and achieve scale alignment. To induce inter-frame relationships, our method employs feature matching between frames to establish correspondences. Rather than applying simple least squares optimization on these matched points, we formulate a graph-based optimization framework that performs local planar approximation using the estimated 3D points and surface normals estimated by monocular foundation models. This formulation addresses the scale ambiguity inherent in monocular geometric priors while preserving the underlying 3D structure. We further demonstrate that MoRe not only enhances 3D reconstruction but also improves novel view synthesis, particularly in sparse view rendering scenarios.
- Abstract（参考訳）: モノクロ3Dファウンデーションモデルは、知覚タスクのための拡張可能なソリューションを提供し、より広い3Dビジョンアプリケーションにとって魅力的である。
本稿では,クロスビューの整合性を改善し,スケールアライメントを実現するためのトレーニング不要なモノクロ幾何再構成手法であるMoReを提案する。
フレーム間の関係を誘導するために,フレーム間の特徴マッチングを用いて対応関係を確立する。
これらの整合点に最小二乗最適化を適用する代わりに、単分子基底モデルにより推定された3次元点と曲面正規度を用いて局所平面近似を行うグラフベースの最適化フレームワークを定式化する。
この定式化は、基礎となる3D構造を保ちながら、単図形の幾何学的先行に固有のスケールのあいまいさに対処する。
さらに,MoReは3次元再構成を向上するだけでなく,特にスパース・ビュー・レンダリングのシナリオにおいて,新規なビュー合成を改善することを実証した。
関連論文リスト
- Non-Rigid Structure-from-Motion via Differential Geometry with Recoverable Conformal Scale [17.935227965480475]
共形変形下でのNRSfMに対するCon-NRSfMという新しい手法を提案する。
提案手法は,グラフベースのフレームワークにより最適化された2次元画像ワープを用いて,ポイントワイズ再構成を行う。
我々のフレームワークは、他のアプローチでは分離できない深さと等角スケールの制約を分離する。
論文 参考訳（メタデータ） (2025-10-02T04:46:46Z) - Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - LinPrim: Linear Primitives for Differentiable Volumetric Rendering [53.780682194322225]
線形プリミティブに基づく2つの新しいシーン表現を導入する。
我々はGPU上で効率的に動作する異なるオクタライザを提案する。
我々は最先端の手法に匹敵する性能を示す。
論文 参考訳（メタデータ） (2025-01-27T18:49:38Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - MonoPatchNeRF: Improving Neural Radiance Fields with Patch-based Monocular Guidance [29.267039546199094]
最新の正規化ニューラルラジアンス・フィールド(NeRF)アプローチは、大規模なスパース・ビュー・シーンの幾何学とビュー外挿を損なう。
我々は密度に基づくアプローチを採り、個々の光線の代わりにパッチをサンプリングし、単分子深度と通常の推定値をよりよく組み込む。
提案手法はETH3Dベンチマークの幾何精度を大幅に向上させる。
論文 参考訳（メタデータ） (2024-04-12T05:43:10Z) - SplatFace: Gaussian Splat Face Reconstruction Leveraging an Optimizable Surface [7.052369521411523]
SplatFaceは3次元人間の顔再構成のための新しいガウススプレイティングフレームワークであり、正確な事前決定幾何に依存しない。
本手法は,高品質な新規ビューレンダリングと高精度な3Dメッシュ再構成の両方を同時に実現するように設計されている。
論文 参考訳（メタデータ） (2024-03-27T17:32:04Z) - Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。
入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
論文 参考訳（メタデータ） (2023-06-06T15:07:39Z) - Leveraging Monocular Disparity Estimation for Single-View Reconstruction [8.583436410810203]
単分子深度推定の進歩を利用して不均一マップを得る。
我々は,2次元の正規化不均質マップを,関連するカメラパラメータの最適化によって3次元の点群に変換する。
論文 参考訳（メタデータ） (2022-07-01T03:05:40Z)
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。