論文の概要: VGGT-CD: Training-Free Robust Registration for 3D Change Detection

• arxiv url: http://arxiv.org/abs/2605.16859v1
• Date: Sat, 16 May 2026 07:44:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.205
• Title: VGGT-CD: Training-Free Robust Registration for 3D Change Detection
• Title（参考訳）: VGGT-CD:3次元変化検出のためのトレーニング不要ロバスト登録
• Abstract要約: VGGT-CDは、ダイナミックチェンジ干渉によるトレーニング不要パイプライン登録である。 絶対軌道誤差を屋外で44%、屋内で59%削減する。 登録を6倍以上早く完了し、タスク固有のトレーニングなしで高純度な3D変更マップを生成する。
• 参考スコア（独自算出の注目度）: 10.370711482793135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D change detection from multi-view images is essential for urban monitoring, disaster assessment, and autonomous driving. However, existing methods predominantly operate in the 2D domain, where viewpoint variations are mistaken for physical changes and depth is unavailable. While visual geometry foundation models like VGGT rapidly produce dense point clouds from unposed images, independent per-epoch reconstruction encounters fundamental obstacles: unpredictable inter-epoch scale ambiguity, registration-change paradox where scene changes corrupt alignment, and pervasive edge-flying noise. To address these challenges, we present VGGT-CD, a training-free pipeline decoupling cross-temporal registration from dynamic-change interference. In the Coarse Stage, sparse keyframe joint inference establishes a unified metric space and yields an initial Sim(3) prior. In the Fine Stage, dense reconstructions are purified by isolating static-background correspondences. A closed-form centroid alignment refines the translation while locking scale and rotation, using a residual self-check to mathematically guarantee non-degradation. Evaluated on an 11-scene benchmark from the World Across Time dataset, VGGT-CD reduces Absolute Trajectory Error by 44% outdoors and 59% indoors. It completes registration over 6 times faster, producing high-purity 3D change maps without task-specific training.
• Abstract（参考訳）: 多視点画像からの3次元変化検出は、都市モニタリング、災害評価、自動運転に不可欠である。 しかし、既存の手法は主に2次元領域で動作しており、視点の変化は物理的変化と誤認され、深さは利用できない。 視覚幾何学の基礎モデルであるVGGTは、未提示の画像から高密度の点雲を急速に生成するが、独立系は、予測不可能なエポックスケールのあいまいさ、シーンが整列を乱すような登録-変更パラドックス、そして広汎なエッジフライングノイズといった、基本的な障害に遭遇する。 これらの課題に対処するため、ダイナミックチェンジ干渉から時空間登録を分離するトレーニング不要パイプラインであるVGGT-CDを提案する。 粗い段階において、スパース鍵フレームの関節推論は統一計量空間を確立し、初期Sim(3) を先に生成する。 ファインステージでは、静的背景対応を孤立させることにより、密集した再構築が浄化される。 クローズドフォームのセントロイドアライメントは、非劣化を数学的に保証するために残余の自己チェックを用いて、スケールと回転をロックしながら翻訳を洗練する。 VGGT-CDは、World Across Timeデータセットから11ステージのベンチマークで評価され、絶対軌道誤差を屋外で44%、屋内で59%削減した。 登録を6倍以上早く完了し、タスク固有のトレーニングなしで高純度な3D変更マップを生成する。

関連論文リスト

• VGGT-Align: Bridging Local Reconstruction and Global Consistency for Long-Sequence 3D Reconstruction [8.983872448985627]
  本稿では,シーンを駆動するなどの構造的環境において,時間的セグメント間での幾何量の変化は本質的に不変である,という重要な洞察に基づいて構築されたスケール一貫性向上フレームワークを提案する。 SGIA(Scene Geometric Invariant Anchoring)を提案する。 複数のロングシーケンスベンチマークの実験では、最先端の性能を示し、絶対軌道誤差を最大32%削減し、軌道安定性と復元品質を大きく向上させた。
  論文  参考訳（メタデータ） (2026-08-15T14:32:55Z)
• RECO: Region-Aware Compensation for Extrinsic Perturbations in Roadside 3D Detection [13.05494342638977]
  道路沿いの3D物体検出は、交通理解、協調早期警戒、安全な自動運転に不可欠な広域認識を提供する。 既存の方法は、カメラ外在物に対する高い感度に悩まされており、わずかな偏差でさえ射影幾何学によって増幅することができる。 部分的6-DoFポーズオフセットを用いて外因性を修正する地域対応外因性補償フレームワークRECOを提案する。
  論文  参考訳（メタデータ） (2026-07-23T05:56:42Z)
• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• Visual Geometry Transformer in the Wild: Distractor-Free 3D Reconstruction [77.75911117889915]
  現在のエンドツーエンドのマルチビュー3D再構成手法は、目覚ましい結果を得るが、制限的な静的仮定に依存している。 この理想的な入力への依存は、最も高度なメソッドでさえ、現実世界の設定で失敗する原因となる。 非一貫性の視点から頑健な再構築を行うためのエンドツーエンドフレームワークであるWildにおけるビジュアルジオメトリトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2026-06-22T02:52:22Z)
• SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
  SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。 提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
  論文  参考訳（メタデータ） (2026-06-19T10:23:25Z)
• VGGT-Edit: Feed-forward Native 3D Scene Editing with Residual Field Prediction [59.303842406260124]
  VGGT-Editはテキスト条件のネイティブ3Dシーン編集のためのフィードフォワードフレームワークである。 本研究では,奥行き同期テキストインジェクションを導入し,意味的指導をバックボーンの空間的ポーズと整合させる。 VGGT-Editは2Dリフトベースラインを大幅に上回り、よりシャープなオブジェクトの詳細、より強力なマルチビュー一貫性、ほぼインスタントな推論速度を生み出している。
  論文  参考訳（メタデータ） (2026-05-14T17:59:04Z)
• Think as Needed: Geometry-Driven Adaptive Perception for Autonomous Driving [4.320171553006484]
  現在の3D検出モデルは、すべてのフレームに固定された計算予算を適用し、単純なシーンでリソースを浪費すると同時に、複雑なシーンのキャパシティを欠いている。 本稿では,各LiDARフレームの幾何学的複雑さを測定する適応型知覚アーキテクチャである拡張HOPEを提案する。 nuScenesとCARLAのベンチマークでは、強化HOPEは、正確さを損なわずに単純なシーンでのレイテンシを38%削減し、稀なロングテールシナリオでは平均平均精度を2.7ポイント改善している。
  論文  参考訳（メタデータ） (2026-05-11T07:34:13Z)
• DPG-CD: Depth-Prior-Guided Cross-Modal Joint 2D-3D Change Detection [11.247504713156887]
  DPG-CDは2次元の関節意味と3次元の高さ変化検出のための深度誘導型多時間相互融合フレームワークである。 ゲート融合機構は、識別スペクトル表現を保持しながら、深さから幾何学的キューを選択的に注入する。 Hi-BCDと3DCDという2つの公開データセットの実験と、新しいデータセットであるNYC-MMCDは、DPG-CDが2Dと3Dの両方の変更検出タスクにおいて最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2026-05-08T02:36:09Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• 3D Scene Change Modeling With Consistent Multi-View Aggregation [18.547603626073585]
  SCaR-3Dは、3次元シーン変化検出フレームワークであり、濃密な事前変化画像シーケンスとスパース的な後変化画像からオブジェクトレベルの変化を識別する。 提案手法は, 符号付き距離ベース2次元差分モジュールと, 投票, プルーニングによる多視点アグリゲーションからなる。 また,変化しない領域を保存しながら動的領域を選択的に更新する連続的なシーン再構築戦略も開発している。
  論文  参考訳（メタデータ） (2025-12-28T08:00:56Z)
• DiffRegCD: Integrated Registration and Change Detection with Diffusion Features [74.3102451211493]
  DiffRegCDは、単一のモデルで密度の高い登録と変更検出を統一する統合フレームワークである。 空中(LEVIR-CD, DSIFN-CD, WHU-CD, SYSU-CD)と地上(VL-CMU-CD)のデータセットによる実験は、DiffRegCDが最近のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-11-11T07:32:19Z)
• RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection [0.4604003661048266]
  Bird's-eye view (BEV)ベースの知覚アプローチは、パースペクティブベースのソリューションの優れた代替手段として現れている。 本稿では,3次元回帰目標を定義するために,制限付き四辺形表現を提案する。 RQR3Dは、2つのボックスの隅の間にあるオフセットとともに、指向するボックスをカプセル化する最小の水平境界ボックスを回帰する。
  論文  参考訳（メタデータ） (2025-05-23T10:52:34Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)

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。