論文の概要: GRLoc: Geometric Representation Regression for Visual Localization

• arxiv url: http://arxiv.org/abs/2511.13864v1
• Date: Mon, 17 Nov 2025 19:30:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.765337
• Title: GRLoc: Geometric Representation Regression for Visual Localization
• Title（参考訳）: GRLoc:ビジュアルローカライゼーションのための幾何学的表現回帰
• Abstract要約: 絶対的なPose回帰は、視覚的ローカライゼーションの魅力的なパラダイムとして現れています。 本研究では,幾何学的な代替案を提案する。 7-ScenesとCambridge Landmarksのデータセットで最先端のパフォーマンスを示す。
• 参考スコア（独自算出の注目度）: 14.972457710617816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Absolute Pose Regression (APR) has emerged as a compelling paradigm for visual localization. However, APR models typically operate as black boxes, directly regressing a 6-DoF pose from a query image, which can lead to memorizing training views rather than understanding 3D scene geometry. In this work, we propose a geometrically-grounded alternative. Inspired by novel view synthesis, which renders images from intermediate geometric representations, we reformulate APR as its inverse that regresses the underlying 3D representations directly from the image, and we name this paradigm Geometric Representation Regression (GRR). Our model explicitly predicts two disentangled geometric representations in the world coordinate system: (1) a ray bundle's directions to estimate camera rotation, and (2) a corresponding pointmap to estimate camera translation. The final 6-DoF camera pose is then recovered from these geometric components using a differentiable deterministic solver. This disentangled approach, which separates the learned visual-to-geometry mapping from the final pose calculation, introduces a strong geometric prior into the network. We find that the explicit decoupling of rotation and translation predictions measurably boosts performance. We demonstrate state-of-the-art performance on 7-Scenes and Cambridge Landmarks datasets, validating that modeling the inverse rendering process is a more robust path toward generalizable absolute pose estimation.
• Abstract（参考訳）: APR(Absolute Pose Regression)は、視覚的ローカライゼーションのための魅力的なパラダイムとして登場した。 しかし、APRモデルは一般にブラックボックスとして動作し、クエリイメージから6-DoFのポーズを直接退避させる。 本研究では,幾何学的な代替案を提案する。 中間幾何学的表現から画像を描画する新しいビュー合成にインスパイアされ、APRを逆転して画像から直接基礎となる3次元表現を回帰させ、このパラダイムをGeometric Representation Regression(GRR)と命名する。 本モデルは,(1)カメラの回転を推定するための光束の方向,(2)カメラの回転を推定するための対応する点マップの2つの不整合幾何学的表現を明示的に予測する。 最後の6-DoFカメラのポーズは、微分可能な決定論的解法を用いてこれらの幾何学的成分から回収される。 この不整合アプローチは、学習した視覚と幾何学のマッピングを最終ポーズの計算から切り離し、ネットワークに強い幾何学的事前を導入する。 回転と翻訳予測の明示的な分離により,性能が向上することが判明した。 7シーンとCambridge Landmarksデータセットの最先端性能を実証し、逆レンダリングプロセスのモデリングが一般化可能な絶対ポーズ推定へのより堅牢な経路であることを検証した。

関連論文リスト

• GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM [6.344587694040345]
  既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。 本研究では,シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)を提案する。 GeoGSは、プリミティブ単位のパラメータ数を80%以上削減するために、空間パラメータのみを保持する。
  論文  参考訳（メタデータ） (2026-07-08T14:22:05Z)
• IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
  ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。 IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。 連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2026-05-15T17:59:57Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• UniQueR: Unified Query-based Feedforward 3D Reconstruction [68.01984215138098]
  提案するUniQueRは,未提示画像からの3次元再構成を効率よく正確に行うための,クエリベースの統合フィードフォワードフレームワークである。 我々のモデルは、明示的な幾何学的クエリとして機能する3Dアンカー点のコンパクトな集合を学習する。 Mip-NeRF 360とVR-NeRFの実験により、UniQueRはレンダリング品質と幾何学的精度の両方において最先端のフィードフォワード法を上回ることを示した。
  論文  参考訳（メタデータ） (2026-03-24T06:42:02Z)
• RnG: A Unified Transformer for Complete 3D Modeling from Partial Observations [70.83499963694238]
  RnG(Reconstruction and Generation)は、再構成と生成を統合する新しいフィードフォワードトランスである。 可視的幾何学を再構築し、可視的でコヒーレントな不明瞭な幾何学と外観を生成する。 提案手法は, 一般化可能な3次元再構成と新しいビュー生成の両方において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-03-01T17:25:32Z)
• G3Splat: Geometrically Consistent Generalizable Gaussian Splatting [30.752029360892504]
  本稿では,幾何学的に一貫した3次元シーン表現を得るために,幾何学的先行を強制するG3Splatを紹介する。 提案手法はRE10Kを用いて, (i) 幾何的一貫した再構成, (ii) 相対的なポーズ推定, (iii) 新規なビュー合成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-12-19T13:11:55Z)
• Perspective from a Higher Dimension: Can 3D Geometric Priors Help Visual Floorplan Localization? [8.82283453148819]
  建物のフロアプランの自己ローカライズは研究者の興味を引き付けている。 フロアプランは建物の構造を最小限に表現するので、視覚的知覚とフロアプランの様相や幾何学的差異がこの課題に挑戦する。 既存の手法では、2次元幾何学的特徴とポーズフィルタを巧みに利用して有望な性能を実現する。 本稿では,2次元フロアプランの局所化問題を視覚的FLOCアルゴリズムに3次元幾何学的先行点を注入することにより高次元から考察する。
  論文  参考訳（メタデータ） (2025-07-25T01:34:26Z)
• Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
  Dens3Rは幾何学的密度予測のための3次元基礎モデルである。 画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
  論文  参考訳（メタデータ） (2025-07-22T07:22:30Z)
• FLARE: Feed-forward Geometry, Appearance and Camera Estimation from Uncalibrated Sparse Views [100.45129752375658]
  FLAREは、高品質カメラのポーズと3次元幾何を、補正されていないスパースビュー画像から推定するために設計されたフィードフォワードモデルである。 本ソリューションでは,3次元構造を2次元画像平面にマッピングする上で,カメラポーズが重要なブリッジとして機能するケースケード学習パラダイムを特徴とする。
  論文  参考訳（メタデータ） (2025-02-17T18:54:05Z)
• DualPM: Dual Posed-Canonical Point Maps for 3D Shape and Pose Reconstruction [67.13370009386635]
  そこで,Dual Point Map (DualPM)を導入し,同じ画像一点関連画素からオブジェクト上の3D位置へ,残りのポーズでオブジェクトの標準バージョンへ,一対の点マップを抽出する。 3次元再構成と3次元ポーズ推定はDualPMの予測に還元できることを示す。
  論文  参考訳（メタデータ） (2024-12-05T18:59:48Z)
• Geometric Point Attention Transformer for 3D Shape Reassembly [17.34739330880715]
  本稿では,幾何学的関係に関する推論の課題に対処するネットワークを提案する。 我々は大域的な形状情報と局所的な対幾何学的特徴と、各部分の回転ベクトルや変換ベクトルとして表されるポーズを統合する。 意味的および幾何学的組立作業におけるモデルの評価を行い、絶対的なポーズ推定において従来の手法よりも優れていたことを示す。
  論文  参考訳（メタデータ） (2024-11-26T15:29:38Z)
• RelPose++: Recovering 6D Poses from Sparse-view Observations [66.6922660401558]
  スパースビュー画像集合(2-8画像)から6次元カメラポーズを推定する作業に対処する。 我々は,画像対上の相対回転よりも分布を推定するネットワークを学習するRelPoseフレームワークを構築した。 最終システムは,先行技術よりも6次元ポーズ予測を大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-08T17:59:58Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)
• Exploring intermediate representation for monocular vehicle pose estimation [38.85309013717312]
  1枚のRGB画像からSO(3)の車両ポーズを復元する学習ベースの新しいフレームワークを提案する。 局所的な外観から観測角度へマッピングする以前の作品とは対照的に、我々は意味のある中間幾何学的表現(IGR)を抽出して進歩的なアプローチを探求する。 このアプローチは、知覚強度をIGRに変換するディープモデルを特徴とし、カメラ座標系における物体の向きを符号化する3次元表現にマッピングする。
  論文  参考訳（メタデータ） (2020-11-17T06:30:51Z)
• Geometric Correspondence Fields: Learned Differentiable Rendering for 3D Pose Refinement in the Wild [96.09941542587865]
  野生の任意のカテゴリのオブジェクトに対する微分可能レンダリングに基づく新しい3次元ポーズ精細化手法を提案する。 このようにして、3DモデルとRGB画像のオブジェクトを正確に整列し、3Dポーズ推定を大幅に改善する。 我々は、Pix3Dデータセットの挑戦に対するアプローチを評価し、複数のメトリクスにおける最先端の精錬手法と比較して、最大55%の改善を実現した。
  論文  参考訳（メタデータ） (2020-07-17T12:34:38Z)

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。