論文の概要: Feature-Optimized Vision for Adaptive 3D Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2605.31534v1
• Date: Fri, 29 May 2026 16:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.75967
• Title: Feature-Optimized Vision for Adaptive 3D Scene Reconstruction
• Title（参考訳）: 適応型3次元シーン再構成のための特徴最適化ビジョン
• Abstract要約: 3次元のシーン再構成は、視覚的に識別可能かつ幾何学的に有用である局所的な画像証拠に依存する。 固定された機能しきい値と均一な機能予算はデプロイが容易だが、反復的なテクスチャ、低パララックス領域、不安定なポイントでの計算を無駄にすることができる。 本稿では3次元再構成のための適応的特徴最適化視覚フロントエンドを提案する。
• 参考スコア（独自算出の注目度）: 0.8557392136621891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Three-dimensional scene reconstruction depends on local image evidence that is both visually discriminative and geometrically useful. Fixed feature thresholds and uniform feature budgets are easy to deploy, but they can waste computation on repeated texture, low-parallax regions, or unstable points. This paper proposes an adaptive feature-optimized vision front end for 3D reconstruction. The method scores candidate features by texture, repeatability, distinctiveness, expected triangulation angle, and spatial coverage, then allocates a per-view feature budget to maximize useful tracks under a fixed reconstruction pipeline. A small synthetic multi-view prototype evaluates four selection policies across corridor, facade, object-table, and cluttered scenes. Compared with random, texture-only, and uniform-grid baselines, the adaptive policy obtains the best quality-aware completeness and the lowest aggregate reconstruction RMSE while preserving broad image coverage. The result is not a replacement for modern learned matching or neural reconstruction systems; it is a modular front-end policy that can make classical and learned 3D pipelines more deliberate about which visual evidence they spend compute on.
• Abstract（参考訳）: 3次元のシーン再構成は、視覚的に識別可能かつ幾何学的に有用である局所的な画像証拠に依存する。 固定された機能しきい値と均一な機能予算はデプロイが容易だが、反復的なテクスチャ、低パララックス領域、不安定なポイントでの計算を無駄にすることができる。 本稿では3次元再構成のための適応的特徴最適化視覚フロントエンドを提案する。 本手法は, テクスチャ, 再現性, 特異性, 三角角, 空間被覆により候補特徴をスコアし, 固定された再構成パイプラインの下で有用なトラックを最大化するために, ビュー毎の特徴予算を割り当てる。 小さな合成多視点プロトタイプは、廊下、ファサード、オブジェクトテーブル、散らかったシーンにまたがる4つの選択ポリシーを評価する。 適応ポリシは、ランダム、テクスチャのみ、均一グリッドベースラインと比較して、画像カバレッジを保ちながら、最高の品質を意識した完全性と最も低い集合的再構成RMSEを得る。 その結果は、現代の学習されたマッチングやニューラルリコンストラクションシステムを置き換えるものではなく、古典的で学習された3Dパイプラインを、計算に費やした視覚的証拠をより慎重にするための、モジュラーなフロントエンドポリシーである。

関連論文リスト

• InvSplat: Inverse Feed-Forward Scene Splatting [27.461734130974097]
  逆レンダリングは、画像から3次元幾何学と物理的に意味のある材料特性の両方を復元することを目的としている。 逆レンダリングのためのフィードフォワード多視点再構成フレームワークを提案する。 本モデルは,素材推定ネットワークの先行情報を多視点3D再構成バックボーンと統合する。
  論文  参考訳（メタデータ） (2026-07-02T15:18:08Z)
• DecoRec: Decomposed 3D Scene Reconstruction from Single-View Images via Object-Level Diffusion [65.65756111062005]
  textitDecoRecは、単一のビュー2D画像を分解された3Dシーンメッシュに高めるように設計されたシステムである。 以上の結果から,DecoRecはジオメトリと新規合成の両面において,高品質なワンビューシーン再構築を促進することが示唆された。
  論文  参考訳（メタデータ） (2026-05-16T04:23:48Z)
• ReLi3D: Relightable Multi-view 3D Reconstruction with Disentangled Illumination [44.640886020982464]
  ReLi3Dは、完全な3次元形状、空間的に変化する物理的素材、および環境光を1秒未満で再現する最初の統合エンドツーエンドパイプラインである。 提案手法の鍵となるのは,変換器のクロスコンディショニングアーキテクチャによるマルチビュー入力の融合である。
  論文  参考訳（メタデータ） (2026-03-20T08:37:39Z)
• AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance [36.125573065910594]
  アクティブな3D再構成により、エージェントは視点を自律的に選択し、正確で完全なシーン形状を得ることができる。 本研究では,フィードフォワード3次元再構成モデルと視覚言語指導を利用したアクティブリコンストラクションエージェントAREA3Dを提案する。 本フレームワークは、フィードフォワード再構成器からビュー不確実性モデリングを分離し、高価なオンライン最適化を伴わずに正確な不確実性推定を可能にする。
  論文  参考訳（メタデータ） (2025-11-28T06:17:02Z)
• Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
  我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。 本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。 実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T16:18:32Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
  PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。 PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。 このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
  論文  参考訳（メタデータ） (2024-09-09T10:06:34Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• Improving Neural Indoor Surface Reconstruction with Mask-Guided Adaptive Consistency Constraints [0.6749750044497732]
  本稿では、ビュー依存色とビュー非依存色を分離する2段階のトレーニングプロセスを提案し、さらに2つの新しい一貫性制約を活用して、余分な事前処理を必要とせず、詳細な再構成性能を向上させる。 合成および実世界のデータセットの実験は、事前推定誤差から干渉を減らす能力を示している。
  論文  参考訳（メタデータ） (2023-09-18T13:05:23Z)
• NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
  暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。 本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。 本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
  論文  参考訳（メタデータ） (2022-07-22T10:05:36Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)

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。