論文の概要: Coverage Optimization for Camera View Selection

• arxiv url: http://arxiv.org/abs/2604.05259v1
• Date: Mon, 06 Apr 2026 23:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.534516
• Title: Coverage Optimization for Camera View Selection
• Title（参考訳）: カメラビュー選択のための被覆最適化
• Authors: Timothy Chen, Adam Dai, Maximilian Adang, Grace Gao, Mac Schwager,
• Abstract要約: 本研究では,アクティブビュー選択問題について検討し,情報カメラのポーズを選択するための簡易かつ解釈可能な基準を導出する原理的分析法を開発した。 我々の重要な洞察は、水産情報ゲインの抽出可能な近似を最小化することで、情報的視点を得ることができることである。 我々はこの手法をNerfstudioフレームワークに統合し、固定および具体化されたデータ取得シナリオ内の実際のデータセット上で評価する。
• 参考スコア（独自算出の注目度）: 7.797092474221593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What makes a good viewpoint? The quality of the data used to learn 3D reconstructions is crucial for enabling efficient and accurate scene modeling. We study the active view selection problem and develop a principled analysis that yields a simple and interpretable criterion for selecting informative camera poses. Our key insight is that informative views can be obtained by minimizing a tractable approximation of the Fisher Information Gain, which reduces to favoring viewpoints that cover geometry that has been insufficiently observed by past cameras. This leads to a lightweight coverage-based view selection metric that avoids expensive transmittance estimation and is robust to noise and training dynamics. We call this metric COVER (Camera Optimization for View Exploration and Reconstruction). We integrate our method into the Nerfstudio framework and evaluate it on real datasets within fixed and embodied data acquisition scenarios. Across multiple datasets and radiance-field baselines, our method consistently improves reconstruction quality compared to state-of-the-art active view selection methods. Additional visualizations and our Nerfstudio package can be found at https://chengine.github.io/nbv_gym/.
• Abstract（参考訳）: 何が良い視点になるのか? 3次元再構成の学習に使用されるデータの質は、効率的かつ正確なシーンモデリングを実現するために不可欠である。 本研究では,アクティブビュー選択問題について検討し,情報カメラのポーズを選択するための簡易かつ解釈可能な基準を導出する原理的分析法を開発した。 我々の重要な洞察は、過去のカメラで不十分に観測された幾何学を網羅する視点を抑えるため、フィジカル・ビューは、フィジカル・インフォメーション・ゲイン(Fisher Information Gain)の抽出可能な近似を最小化することで得られるということである。 これにより、高価な透過率推定を回避し、ノイズやトレーニングのダイナミックスに対して堅牢な、軽量なカバレッジベースのビュー選択メトリックが実現される。 これをCOVER (Camera Optimization for View Exploration and Reconstruction) と呼ぶ。 我々はこの手法をNerfstudioフレームワークに統合し、固定および具体化されたデータ取得シナリオ内の実際のデータセット上で評価する。 複数のデータセットと放射界ベースラインをまたいだ方法では、最先端のアクティブビュー選択法と比較して、再現性の向上が一貫して進んでいる。 さらなる視覚化とNerfstudioパッケージはhttps://chengine.github.io/nbv_gym/にある。

関連論文リスト

• 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)
• Robust SG-NeRF: Robust Scene Graph Aided Neural Surface Reconstruction [9.429618155943635]
  既存のポーズ-NeRF共同最適化手法は、小さなノイズ(インレーシ)を持つポーズを効果的に扱うが、大きなノイズ(インレーシ)に苦慮する。 本研究は,外乱ポーズの影響を緩和することに焦点を当てる。 提案手法は,データ作成期間中に収集したシーングラフ情報を活用するため,不整合・不整合信頼度推定手法を統合する。
  論文  参考訳（メタデータ） (2024-11-20T09:48:06Z)
• 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)
• SG-NeRF: Neural Surface Reconstruction with Scene Graph Optimization [16.460851701725392]
  本稿では,外乱ポーズの影響を軽減するため,シーングラフを用いた放射場最適化手法を提案する。 本手法では,シーングラフに基づく適応型不整合・不整合信頼度推定手法を取り入れた。 また、カメラのポーズと表面形状を最適化するために、効果的な交叉結合(IoU)損失を導入する。
  論文  参考訳（メタデータ） (2024-07-17T15:50:17Z)
• A Construct-Optimize Approach to Sparse View Synthesis without Camera Pose [44.13819148680788]
  カメラポーズを伴わないスパースビュー合成のための新しい構成と最適化手法を開発した。 具体的には、単分子深度と画素を3次元の世界に投影することで、解を構築する。 タンク・アンド・テンプル・アンド・スタティック・ハイクスのデータセットに3つの広い範囲のビューで結果を示す。
  論文  参考訳（メタデータ） (2024-05-06T17:36:44Z)
• Enhanced Stable View Synthesis [86.69338893753886]
  本稿では,自由に動くカメラから撮影した画像から,新しいビュー合成を強化するアプローチを提案する。 導入されたアプローチは、正確な幾何学的足場とカメラのポーズの復元が困難な屋外シーンに焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-30T01:53:14Z)

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。