論文の概要: LEXI-SG: Monocular 3D Scene Graph Mapping with Room-Guided Feed-Forward Reconstruction

• arxiv url: http://arxiv.org/abs/2605.13741v1
• Date: Wed, 13 May 2026 16:19:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.173037
• Title: LEXI-SG: Monocular 3D Scene Graph Mapping with Room-Guided Feed-Forward Reconstruction
• Title（参考訳）: LEXI-SG: 室内ガイド下フィードフォワード再構成による単眼3次元画像マッピング
• Authors: Christina Kassab, Hyeonjae Gil, Matías Mattamala, Ayoung Kim, Maurice Fallon,
• Abstract要約: LEXI-SGは、RGBカメラ入力のみを用いたオープン語彙の3Dシーングラフのための初めての高密度モノクロマッピングシステムである。 提案手法は,オープン語彙基盤モデルのセマンティックな先行性を利用して,シーンを部屋に分割する。 LEXI-SGは、モノクロRGBだけで、正確でスケーラブルでオープンな3Dシーングラフを実現できることを示した。
• 参考スコア（独自算出の注目度）: 8.98107488470312
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene graphs are becoming a standard representation for robot navigation, providing hierarchical geometric and semantic scene understanding. However, most scene graph mapping methods rely on depth cameras or LiDAR sensors. In this work, we present LEXI-SG, the first dense monocular visual mapping system for open-vocabulary 3D scene graphs using only RGB camera input. Our approach exploits the semantic priors of open-vocabulary foundation models to partition the scene into rooms, deferring feed-forward reconstruction to when each room is fully observed -- enabling scalable dense mapping without sliding-window scale inconsistencies. We propose a room-based factor graph formulation to globally align room reconstructions while preserving local map consistency and naturally imposing the semantic scene graph hierarchy. Within each room, we further support open-vocabulary object segmentation and tracking. We validate LEXI-SG on indoor scenes from the Habitat-Matterport 3D and self-collected egocentric office sequences. We evaluate its performance against existing feed-forward SLAM methods, as well as established scene graphs baselines. We demonstrate improved trajectory estimation and dense reconstruction, as well as, competitive performance in open-vocabulary segmentation. LEXI-SG shows that accurate, scalable, open-vocabulary 3D scene graphs can be achieved from monocular RGB alone. Our project page and office sequences are available here: https://ori-drs.github.io/lexisg-web/.
• Abstract（参考訳）: シーングラフはロボットナビゲーションの標準的な表現となり、階層的な幾何学的、セマンティックなシーン理解を提供する。 しかし、ほとんどのシーングラフマッピング手法は深度カメラやLiDARセンサーに依存している。 本稿では,RGBカメラ入力のみを用いたオープンな3次元シーングラフのための,最初の濃密なモノクロ画像マッピングシステムであるLEXI-SGを提案する。 当社のアプローチでは,オープン語彙基盤モデルのセマンティックな前提を利用して,シーンを部屋に分割し,各部屋が完全に観察された時にフィードフォワードの再構築を延期する -- スライドウインドウスケールの不整合のない,スケーラブルな高密度マッピングを実現する。 本研究では,局所的な地図の整合性を保ち,セマンティックなシーングラフ階層を自然に含みながら,部屋の再構成をグローバルに整合させる,部屋型因子グラフの定式化を提案する。 各部屋内では、オープン語彙オブジェクトのセグメンテーションとトラッキングもサポートしています。 本研究では,Habitat-Matterport 3Dおよび自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着自着 我々は、既存のフィードフォワードSLAM法と、確立されたシーングラフのベースラインに対して、その性能を評価する。 開語彙セグメンテーションにおけるトラジェクティブ推定と高密度再構成の改善,および競合性能を実証した。 LEXI-SGは、モノクロRGBだけで、正確でスケーラブルでオープンな3Dシーングラフを実現できることを示した。 私たちのプロジェクトページとオフィスのシーケンスは以下の通りです。

関連論文リスト

• Open-Vocabulary Indoor Object Grounding with 3D Hierarchical Scene Graph [0.0]
  OVIGo-3DHSGは階層的なシーングラフ上の広い屋内環境を表す。 階層的表現は、床、部屋、場所、オブジェクト間の空間関係を明示的にモデル化する。 提案手法は,既存の手法と比較して,効率的なシーン理解とロバストなオブジェクトグラウンド化を実証する。
  論文  参考訳（メタデータ） (2025-07-16T10:47:12Z)
• PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
  PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。 初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-31T08:58:10Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Multiview Scene Graph [7.460438046915524]
  適切なシーン表現は、空間知性の追求の中心である。 未提示画像からマルチビューシーングラフ(MSG)を構築することを提案する。 MSGは、場所とオブジェクトノードを相互接続したシーンをトポロジ的に表現する。
  論文  参考訳（メタデータ） (2024-10-15T02:04:05Z)
• Point2Graph: An End-to-end Point Cloud-based 3D Open-Vocabulary Scene Graph for Robot Navigation [7.048930431483034]
  Point2Graphは、新しいエンドツーエンドのクラウドベースのオープンな3Dシーングラフ生成フレームワークである。 部屋層では,幾何学に基づく境界検出アルゴリズムと学習に基づく領域検出とを融合して,部屋をセグメント化する利点を生かした。 さらに、オブジェクト層のためのエンドツーエンドパイプラインを作成し、3Dポイントクラウドデータのみに基づいて3Dオブジェクトを検出し分類する。
  論文  参考訳（メタデータ） (2024-09-16T15:01:28Z)
• Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
  RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。 提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。 提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
  論文  参考訳（メタデータ） (2023-05-04T11:32:16Z)
• SceneGraphFusion: Incremental 3D Scene Graph Prediction from RGB-D Sequences [76.28527350263012]
  rgb-dフレームのシーケンスを与えられた3次元環境から意味的シーングラフを漸進的に構築する手法を提案する。 我々は、グラフニューラルネットワークを用いて、プリミティブシーンコンポーネントからpointnet機能を集約する。 提案手法は,35hzで動作する他の3dセマンティクスおよびパンオプティカルセグメンテーション法と同等の精度で,高いマージンで3dシーングラフ予測手法を上回る。
  論文  参考訳（メタデータ） (2021-03-27T13:00:36Z)

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。