Fugu-MT 論文翻訳(概要): VFM-SDM: A vision foundation model-based framework for training-free, marker-free, and calibration-free structural displacement measurement

論文の概要: VFM-SDM: A vision foundation model-based framework for training-free, marker-free, and calibration-free structural displacement measurement

arxiv url: http://arxiv.org/abs/2605.09677v1
Date: Sun, 10 May 2026 17:51:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:50.366664
Title: VFM-SDM: A vision foundation model-based framework for training-free, marker-free, and calibration-free structural displacement measurement
Title（参考訳）: VFM-SDM:トレーニングフリー、マーカーフリー、キャリブレーションフリー構造変位測定のための視覚基礎モデルに基づくフレームワーク
Authors: Qingyu Xian, Hao Cheng, Berend Jan van der Zwaag, Rolands Kromanis, Ozlem Durmaz Incel,
Abstract要約: 視覚基礎モデルに基づく構造変位測定フレームワーク(VFMSDM) 本研究では,VFMSDMのためのビジョンファウンデーションモデルに基づく構造変位測定フレームワークを提案する。
参考スコア（独自算出の注目度）: 3.249896562460654
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Reliable displacement measurement is fundamental for structural health monitoring and digital engineering workflows, as it provides direct structural response information. Vision-based measurement has emerged as a promising approach for low-cost, non-contact displacement monitoring. However, its deployment often remains constrained by task-specific model training or on-site preparation, such as marker installation or manual camera calibration. This study presents a Vision Foundation Model-based framework for Structural Displacement Measurement (VFM-SDM) that integrates VFM-inferred camera parameter estimation and point tracking to reconstruct multi-directional structural displacements via triangulation without task-specific training or on-site preparation, enabling efficient non-contact deployment in real-world applications. Structural geometry constraints are incorporated to suppress physically implausible deviations and improve estimation consistency. A multi-modal field dataset collected from an in-service pedestrian bridge is introduced alongside a unified benchmarking protocol to support reproducible evaluation. Representative results show low amplitude errors (NRMSE$_{\text{range}}$: 0.11/0.12), strong temporal agreement (correlation coefficient: 0.86/0.88), and small peak-to-peak amplitude errors (RPPAE: 0.01/0.02) for vertical and lateral displacements, indicating robust performance under real-world conditions. The proposed framework advances automated, scalable displacement monitoring and lays the groundwork for VFM-enabled structural response measurements in digital twin and data-centric construction workflows.
Abstract（参考訳）: 信頼性の高い変位測定は、構造的応答情報を提供するため、構造的健康モニタリングやデジタルエンジニアリングのワークフローに欠かせない。視覚に基づく計測は、低コストで非接触変位モニタリングのための有望なアプローチとして登場した。しかし、その配備は、しばしばタスク固有のモデルトレーニングや、マーカーの設置や手動カメラのキャリブレーションのような現場の準備によって制限される。本研究では,VFM-Inferred Cameraパラメータ推定と点追跡を統合したVFMモデルに基づく構造変位測定フレームワークを提案する。構造的幾何学的制約は、物理的に不可解な偏差を抑制し、推定整合性を改善するために組み込まれている。サービス内歩行者橋から収集したマルチモーダルフィールドデータセットと、再現可能な評価をサポートするための統一されたベンチマークプロトコルを導入する。代表的結果は,低振幅誤差(NRMSE$_{\text{range}}$: 0.11/0.12),強い時間的一致(相関係数: 0.86/0.88),垂直および横方向の変位に対して小さいピーク対ピーク振幅誤差(RPPAE: 0.01/0.02)を示し,実世界の条件下での堅牢な性能を示す。提案するフレームワークは,自動かつスケーラブルな変位監視を推進し,ディジタルツインおよびデータ中心の構成ワークフローにおけるVFM対応構造応答測定の基礎となる。

関連論文リスト

Information-Theoretic Optimization for Task-Adapted Compressed Sensing Magnetic Resonance Imaging [92.90858286761515]
タスク適応型圧縮型磁気共鳴画像(CS-MRI)は、下流臨床の特定の要求に対処するために出現している。本稿では,不確実性予測のための確率的推論を同時に達成するために,情報理論の観点から最初のタスク適応型CS-MRIを提案する。我々は、アモータイズされた最適化を活用し、抽出、再構成、タスク推論モデルを共同で最適化するために、相互情報に対してトラクタブルな変動境界を構築する。
論文参考訳（メタデータ） (2026-04-14T13:23:19Z)
SMFormer: Empowering Self-supervised Stereo Matching via Foundation Models and Data Augmentation [55.67206878777881]
本稿では、VFM(Vision Foundation Model)とデータ拡張によって導かれる、より信頼性の高いセルフスーパービジョンを統合するフレームワークであるSMFormerを提案する。 SMFormerは、自己教師付きメソッド間での最先端(SOTA)のパフォーマンスを達成し、教師付きメソッドと同等に競合する。
論文参考訳（メタデータ） (2026-04-11T13:56:41Z)
Test-Time Adaptation for Height Completion via Self-Supervised ViT Features and Monocular Foundation Models [1.433758865948252]
Prior2DSMは、テスト時に完全に動作するメトリックDSM補完のためのトレーニングフリーフレームワークである。構造的忠実性を維持しながら復元誤差を低減し、RMSEを最大46%削減する。
論文参考訳（メタデータ） (2026-04-02T13:13:17Z)
Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文参考訳（メタデータ） (2026-02-02T21:33:03Z)
Deterministic World Models for Verification of Closed-loop Vision-based Systems [2.5051366017487715]
本稿では,システム状態を直接生成画像にマッピングし,正確な入力境界を確保するための決定論的世界モデル(DWM)を提案する。我々はDWMをStar-based reachability analysis(StarV)を利用した検証パイプラインに統合し、厳密な統計的境界を導出するために共形予測を用いる。標準ベンチマーク実験により,提案手法は潜在変数ベースラインよりもはるかに密着性が高く,検証性能も良好であることが示された。
論文参考訳（メタデータ） (2025-12-08T02:32:07Z)
Adaptive Relative Pose Estimation Framework with Dual Noise Tuning for Safe Approaching Maneuvers [0.0]
本研究は、適応非線形フィルタリングによる高度なコンピュータビジョン技術を統合する完全なパイプラインを提案する。画像前処理によって強化された畳み込みニューラルネットワーク(CNN)は、チェッカー画像から構造マーカーを検出する。 UKFフレームワークは、非線形相対力学を処理し、完全な相対的ポーズを推定する能力のために選択される。
論文参考訳（メタデータ） (2025-07-22T04:13:03Z)
Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文参考訳（メタデータ） (2024-07-26T10:29:16Z)
DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文参考訳（メタデータ） (2024-06-05T06:18:03Z)
Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文参考訳（メタデータ） (2022-02-27T12:52:27Z)
Online structural health monitoring by model order reduction and deep learning algorithms [0.17499351967216337]
オンラインダメージローカリゼーションに向けたシミュレーションに基づく分類戦略を提案する。提案手法は2次元ポータルフレームと3次元ポータルフレーム鉄道橋に関する2つのケーススタディによって検証されている。
論文参考訳（メタデータ） (2021-03-26T08:40:41Z)

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。