論文の概要: Benchmarking Efficient & Effective Camera Pose Estimation Strategies for Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2603.20428v1
• Date: Fri, 20 Mar 2026 18:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.906035
• Title: Benchmarking Efficient & Effective Camera Pose Estimation Strategies for Novel View Synthesis
• Title（参考訳）: 新しい視点合成のための効果的なカメラポーズ推定手法のベンチマーク
• Authors: Jhacson Meza, Martin R. Oswald, Torsten Sattler,
• Abstract要約: NeRFまたは3DGSは、一連の画像から写真リアルな3Dシーン表現を生成することができる。 SfMアプローチは、シーンのポーズとスパース3Dモデルの両方を推定するために、画像間の局所的な特徴マッチングに依存する。 最近のSfMシステムは、バンドル調整による最適化を保ち、代わりに、カメラパラメータと3D構造を直接回帰するためにフィードフォワードニューラルネットワークを訓練している。
• 参考スコア（独自算出の注目度）: 39.47819170870982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel view synthesis (NVS) approaches such as NeRFs or 3DGS can produce photo-realistic 3D scene representation from a set of images with known extrinsic and intrinsic parameters. The necessary camera poses and calibrations are typically obtained from the images via Structure-from-Motion (SfM). Classical SfM approaches rely on local feature matches between the images to estimate both the poses and a sparse 3D model of the scene, using bundle adjustment to refine initial pose, intrinsics, and geometry estimates. In order to increase run-time efficiency, recent SfM systems forgo optimization via bundle adjustment. Instead, they train feed-forward (transformer-based) neural networks to directly regress camera parameters and the 3D structure. While orders of magnitude more efficient, such recent works produce significantly less accurate estimates. To stimulate research on developing SfM approaches that are both efficient \emph{and} effective, this paper develops a benchmark focused on SfM for novel view synthesis. Using existing datasets and two simple strategies for making the reconstruction process more efficient, we show that: (1) simply using fewer features already significantly accelerates classical SfM methods while maintaining high pose accuracy. (2) using feed-forward networks to obtain initial estimates and refining them using classical SfM techniques leads to the best efficiency-effectiveness trade-off. We will make our benchmark and code publicly available.
• Abstract（参考訳）: NeRFsや3DGSのような新しいビュー合成(NVS)アプローチは、外在的パラメータと内在的パラメータが既知の画像の集合から、フォトリアリスティックな3Dシーン表現を生成することができる。 必要なカメラのポーズとキャリブレーションは通常、Structure-from-Motion (SfM)を介して画像から得られる。 古典的なSfMアプローチは、画像間の局所的な特徴マッチングを利用して、シーンのポーズとスパース3Dモデルの両方を推定し、バンドル調整を使用して初期ポーズ、内在性、幾何学的推定を洗練させる。 実行時の効率を向上させるため,最近のSfMシステムではバンドル調整による最適化が行われている。 代わりに、フィードフォワード(トランスフォーマーベース)ニューラルネットワークをトレーニングして、カメラパラメータと3D構造を直接回帰させる。 桁数は桁違いに効率的だが、最近の研究は精度が著しく低い。 そこで本研究では,SfMに着目した新しいビュー合成手法を提案する。 既存のデータセットと2つの簡単な手法を用いて再構築プロセスを効率化し,(1) 従来のSfM手法を著しく高速化し,高いポーズ精度を維持した。 2) フィードフォワードネットワークを用いて初期推定値を取得し,それらを古典的なSfM技術で精錬することにより, 効率効率のトレードオフが最良となる。 ベンチマークとコードを公開します。

関連論文リスト

• A Constrained Optimization Approach for Gaussian Splatting from Coarsely-posed Images and Noisy Lidar Point Clouds [37.043012716944496]
  カメラポーズ推定と3次元再構成を同時に行うための制約付き最適化手法を提案する。 実験により,提案手法は既存の(マルチモーダル)3DGSベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2025-04-12T08:34:43Z)
• EasySplat: View-Adaptive Learning makes 3D Gaussian Splatting Easy [34.27245715540978]
  高品質な3DGSモデリングを実現するための新しいフレームワークEasySplatを提案する。 本稿では、ビュー類似性に基づく効率的なグループ化戦略を提案し、高品質な点雲を得るためにロバストな点マップを前もって利用する。 信頼性の高いシーン構造を得た後、近隣のガウス楕円体の平均形状に基づいてガウス原始体を適応的に分割する新しいデンシフィケーション手法を提案する。
  論文  参考訳（メタデータ） (2025-01-02T01:56:58Z)
• Correspondence-Guided SfM-Free 3D Gaussian Splatting for NVS [52.3215552448623]
  SfM(Structure-from-Motion)事前処理カメラのポーズのない新しいビュー合成(NVS)は、迅速な応答能力の向上と、可変動作条件に対する堅牢性の向上に不可欠である。 最近のSfMフリー手法は、ポーズ最適化を統合し、共同カメラのポーズ推定とNVSのためのエンドツーエンドフレームワークを設計している。 既存の作業の多くは、L2損失のようなピクセル単位の画像損失関数に依存している。 本研究では,NVSのためのSfMフリー3次元ガウススプラッティングを提案する。
  論文  参考訳（メタデータ） (2024-08-16T13:11:22Z)
• 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)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。