論文の概要: Scene Coordinate Reconstruction Priors

• arxiv url: http://arxiv.org/abs/2510.12387v1
• Date: Tue, 14 Oct 2025 11:13:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.288454
• Title: Scene Coordinate Reconstruction Priors
• Title（参考訳）: シーンコーディネート・コンストラクションの先駆者
• Authors: Wenjing Bian, Axel Barroso-Laguna, Tommaso Cavallari, Victor Adrian Prisacariu, Eric Brachmann,
• Abstract要約: シーン座標回帰(SCR)モデルは、3次元視覚のための強力な暗黙のシーン表現であることが証明されている。 本稿では,SCRモデルの確率論的再解釈について述べる。 より一貫性のあるシーンポイントの雲、より高い登録率、より良いカメラポーズが生まれるのです。
• 参考スコア（独自算出の注目度）: 29.668748429324154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene coordinate regression (SCR) models have proven to be powerful implicit scene representations for 3D vision, enabling visual relocalization and structure-from-motion. SCR models are trained specifically for one scene. If training images imply insufficient multi-view constraints SCR models degenerate. We present a probabilistic reinterpretation of training SCR models, which allows us to infuse high-level reconstruction priors. We investigate multiple such priors, ranging from simple priors over the distribution of reconstructed depth values to learned priors over plausible scene coordinate configurations. For the latter, we train a 3D point cloud diffusion model on a large corpus of indoor scans. Our priors push predicted 3D scene points towards plausible geometry at each training step to increase their likelihood. On three indoor datasets our priors help learning better scene representations, resulting in more coherent scene point clouds, higher registration rates and better camera poses, with a positive effect on down-stream tasks such as novel view synthesis and camera relocalization.
• Abstract（参考訳）: シーン座標回帰(SCR)モデルは、3次元視覚のための強力な暗黙のシーン表現であり、視覚的再局在と動きからの構造化を可能にすることが証明されている。 SCRモデルは1つのシーンに特化して訓練される。 画像のトレーニングが不十分な場合、SCRモデルは退化する。 本稿では,SCRモデルの確率論的再解釈について述べる。 再構成された深度値の分布に関する単純な先行情報から、可算なシーン座標構成に関する学習先行情報まで、複数の先行情報について検討する。 後者の場合、屋内スキャンの大きなコーパス上で3次元点拡散モデルを訓練する。 我々の先行研究では、各トレーニングステップにおいて、予測された3Dシーンポイントを可視的幾何に向けてプッシュし、その可能性を高める。 屋内の3つのデータセットでは、前者はより良いシーン表現を学ぶのに役立ち、よりコヒーレントなシーンポイントの雲、より高い登録率、より良いカメラポーズが得られ、新規なビュー合成やカメラ再ローカライゼーションといった下流タスクに肯定的な影響を与えます。

関連論文リスト

• Recollection from Pensieve: Novel View Synthesis via Learning from Uncalibrated Videos [36.49978976710115]
  本稿では、生のビデオフレームや多視点画像のみからビュー合成モデルを訓練するための新しい2段階戦略を提案する。 第1段階では、明示的な3D表現に頼ることなく、潜在空間で暗黙的にシーンを再構築することを学ぶ。 学習した潜入カメラと暗黙のシーン表現は、実世界と比較すると大きなギャップがある。
  論文  参考訳（メタデータ） (2025-05-19T17:59:05Z)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• KRONC: Keypoint-based Robust Camera Optimization for 3D Car Reconstruction [58.04846444985808]
  KRONCは、オブジェクトに関する事前知識を活用して、セマンティックキーポイントを通してその表現を再構築することで、ビューポーズを推論する新しいアプローチである。 車両シーンに焦点を当てたKRONCは、キーポイントのバックプロジェクションを特異点に収束させることを目的とした光最適化問題の解として、ビューの位置を推定することができる。
  論文  参考訳（メタデータ） (2024-09-09T08:08:05Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• SACReg: Scene-Agnostic Coordinate Regression for Visual Localization [16.866303169903237]
  本稿では,新しいテストシーンで1回トレーニングされた一般化SCRモデルを提案する。 我々のモデルは、シーン座標をネットワーク重みに符号化する代わりに、スパース2Dピクセルのデータベースイメージを3D座標アノテーションに入力する。 画像のデータベース表現とその2D-3Dアノテーションは,局所化性能を損なうことなく,高度に圧縮できることを示す。
  論文  参考訳（メタデータ） (2023-07-21T16:56:36Z)
• Back to the Feature: Learning Robust Camera Localization from Pixels to Pose [114.89389528198738]
  画像と3Dモデルから正確な6-DoFのポーズを推定するシーンに依存しないニューラルネットワークPixLocを導入する。 このシステムは、粗いポーズ前の大きな環境でもローカライズできるが、スパース特徴マッチングの精度も向上する。
  論文  参考訳（メタデータ） (2021-03-16T17:40:12Z)

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。