Fugu-MT 論文翻訳(概要): CuSfM: CUDA-Accelerated Structure-from-Motion

論文の概要: CuSfM: CUDA-Accelerated Structure-from-Motion

arxiv url: http://arxiv.org/abs/2510.15271v1
Date: Fri, 17 Oct 2025 03:29:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-20 20:17:34.45622
Title: CuSfM: CUDA-Accelerated Structure-from-Motion
Title（参考訳）: CuSfM: CUDA アクセラレーションによる構造制御
Authors: Jingrui Yu, Jun Liu, Kefei Ren, Joydeep Biswas, Rurui Ye, Keqiang Wu, Chirag Majithia, Di Zeng,
Abstract要約: cuSfMは、計算的に高速化されたオフラインのStructure-from-Motionシステムである。正確なカメラポーズ推定とグローバルな一貫したマッピングのために、包括的で非冗長なデータアソシエーションを生成する。このシステムはPythonのオープンソース実装であるPyCuSfMとしてリリースされ、コンピュータビジョンとロボティクスの研究と応用を容易にする。
参考スコア（独自算出の注目度）: 13.047004116582423
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Efficient and accurate camera pose estimation forms the foundational requirement for dense reconstruction in autonomous navigation, robotic perception, and virtual simulation systems. This paper addresses the challenge via cuSfM, a CUDA-accelerated offline Structure-from-Motion system that leverages GPU parallelization to efficiently employ computationally intensive yet highly accurate feature extractors, generating comprehensive and non-redundant data associations for precise camera pose estimation and globally consistent mapping. The system supports pose optimization, mapping, prior-map localization, and extrinsic refinement. It is designed for offline processing, where computational resources can be fully utilized to maximize accuracy. Experimental results demonstrate that cuSfM achieves significantly improved accuracy and processing speed compared to the widely used COLMAP method across various testing scenarios, while maintaining the high precision and global consistency essential for offline SfM applications. The system is released as an open-source Python wrapper implementation, PyCuSfM, available at https://github.com/nvidia-isaac/pyCuSFM, to facilitate research and applications in computer vision and robotics.
Abstract（参考訳）: 効率的で正確なカメラポーズ推定は、自律ナビゲーション、ロボット知覚、仮想シミュレーションシステムにおいて、高度に再構築するための基本的な要件を形成する。本稿では,GPU並列化を利用して計算集約的で高精度な特徴抽出器を効率よく活用し,正確なカメラポーズ推定と一貫したマッピングのための包括的および非冗長なデータアソシエーションを生成する,CUDAによるオフライン構造抽出システムであるcuSfMによる課題に対処する。このシステムは、ポーズ最適化、マッピング、事前マップのローカライゼーション、および外部改善をサポートする。オフライン処理用に設計されており、計算資源を完全に活用して精度を最大化することができる。実験により, cuSfMは, オフラインSfMアプリケーションに必須の高精度かつグローバルな一貫性を維持しつつ, 様々なテストシナリオで広く使用されているCOLMAP法と比較して, 精度と処理速度を著しく向上することを示した。このシステムはオープンソースのPythonラッパー実装であるPyCuSfMとしてリリースされ、https://github.com/nvidia-isaac/pyCuSFMで入手できる。

関連論文リスト

InstantSfM: Fully Sparse and Parallel Structure-from-Motion [18.540622250926624]
Structure-from-Motion (SfM) はカメラのポーズとシーンの形状を補正する手法である。 GLOMAPは、大規模なシナリオを扱う際に、CPUに固有のバンドル調整(BA)やグローバル位置決め(GP)を実装する。本稿では,標準SfMパイプラインの各臨界ステージを高速化するために,GPU並列計算の潜在能力を最大限に活用する。
論文参考訳（メタデータ） (2025-10-15T08:58:05Z)
PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics [59.38498811984876]
我々はPyTorchで符号化された可変圧単純化解器であるPICTをGPU(Graphics-Processing-unit)をサポートした流体シミュレータとして提案する。まず,様々なベンチマークにおいて,フォワードシミュレーションと導出した勾配の精度を検証した。 2次元, 3次元の複雑な乱流モデルの学習には, 解法によって得られる勾配が有効であることを示す。
論文参考訳（メタデータ） (2025-05-22T17:55:10Z)
Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文参考訳（メタデータ） (2025-03-24T03:19:45Z)
QuartDepth: Post-Training Quantization for Real-Time Depth Estimation on the Edge [55.75103034526652]
ASIC のハードウェアアクセラレーションによる MDE モデルの定量化を後学習量子化に応用した QuartDepth を提案する。提案手法では,重みとアクティベーションの両方を4ビット精度で定量化し,モデルサイズと計算コストを削減する。我々は、カーネル融合とカスタマイズされた命令プログラム性をサポートすることにより、フレキシブルでプログラム可能なハードウェアアクセラレータを設計する。
論文参考訳（メタデータ） (2025-03-20T21:03:10Z)
DQO-MAP: Dual Quadrics Multi-Object mapping with Gaussian Splatting [6.736949053673975]
本研究では,オブジェクトのポーズ推定と再構成をシームレスに統合する新しいオブジェクトSLAMシステムを提案する。 DQO-MAPは精度、再構成品質、計算効率の点で優れた性能を発揮する。
論文参考訳（メタデータ） (2025-03-04T02:55:07Z)
Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-04T01:47:37Z)
Local object crop collision network for efficient simulation of non-convex objects in GPU-based simulators [6.33790920152602]
我々のゴールは、非ネットワークオブジェクトの大規模シミュレーションのための効率的な接触検出アルゴリズムを開発することである。補足材料の品質と量にのみ依存するCDのためのデータ駆動型手法を提案する。
論文参考訳（メタデータ） (2023-04-19T06:09:12Z)
AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion [48.835456049755166]
AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
論文参考訳（メタデータ） (2023-01-28T09:06:50Z)
CUDA-Optimized real-time rendering of a Foveated Visual System [5.260841516691153]
本稿では,GPUを用いて高速(165Hz)でガウス画像(1920x1080)を効率よく生成する手法を提案する。提案手法は生体人工エージェント間の空間変動処理の需要を満たし,既存システム上で容易にフォベーションを付加できる。
論文参考訳（メタデータ） (2020-12-15T22:43:04Z)
Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。