論文の概要: SurGe: Improved Surface Geometry in Point Maps

• arxiv url: http://arxiv.org/abs/2605.31577v1
• Date: Fri, 29 May 2026 17:46:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.777417
• Title: SurGe: Improved Surface Geometry in Point Maps
• Title（参考訳）: SurGe:ポイントマップにおける表面形状の改善
• Abstract要約: フィードフォワード3次元再構成手法は点マップを予測し、大域的な3次元幾何学を推定する。 それらの予測はいまだに不正確な局所表面形状を示しており、これは定性的に見えるが、共通の測度では弱くしか反映されない。 近隣の3次元予測によって誘導される局所的な表面配向を評価する点マップ正規化指標を提案する。 我々のモデルであるSurGeは、グローバルポイントマップAbsRelに対して最高の平均ランクを達成し、常に局所ポイントマップと点マップ正規評価を改善している。
• 参考スコア（独自算出の注目度）: 16.32758571104305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent feedforward 3D reconstruction methods predict point maps and estimate global 3D geometry remarkably well. However, their predictions still exhibit inaccurate local surface geometry, which is clearly visible qualitatively but only weakly reflected in common metrics. To make these errors more explicit in evaluation, we introduce a point map normal metric that evaluates the local surface orientation induced by neighboring 3D predictions. To reduce these errors, we propose two complementary components: a point gradient matching loss that supervises depth-normalized 3D finite differences, and a Neighborhood Attention Decoder (NAD) that progressively upsamples features and uses Neighborhood Attention for local feature mixing. Across eight zero-shot monocular geometry benchmarks, our model, SurGe, achieves the best average rank for global point map AbsRel and consistently improves local point map and point map normal evaluations.
• Abstract（参考訳）: 近年のフィードフォワード3次元再構成手法は点マップを予測し、大域的な3次元幾何学を推定する。 しかし、それらの予測はいまだに不正確な局所表面形状を示しており、これは明らかに定性的に見えるが、共通の測度では弱くしか反映されない。 評価においてこれらの誤差をより明確にするために,近隣の3次元予測によって引き起こされる局所的な面配向を評価する点マップ正規化指標を導入する。 これらの誤差を低減するために, 深度正規化3次元有限差分を監督する点勾配整合損失と, 局所的特徴混合に局所的特徴を漸進的にアップサンプリングし, 近接的特徴混合に近傍注意度を用いる近傍注意デコーダ (NAD) という2つの相補的成分を提案する。 我々のモデルであるSurGeは8つのゼロショット単色幾何ベンチマークにおいて、グローバルポイントマップAbsRelの最高の平均ランクを達成し、常に局所ポイントマップと点マップの正規評価を改善している。

関連論文リスト

• Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure [22.762295959731233]
  我々は,3次元LiDAR SLAMにおけるグローバルな軌道推定と局所地図品質の改善の問題に対処する。 まず,ICP の幾何依存情報行列を効率的に推定する枠組みを提案し,ポーズグラフにおけるオドメトリー制約の原理的重み付けを可能にする。 次に、位置認識を幾何学的登録から切り離す階層的なループ閉鎖モジュールと、最適化されたポーズグラフを利用してループ閉鎖を復元する遡及的なループ閉鎖モジュールを導入する。
  論文  参考訳（メタデータ） (2026-07-15T07:12:14Z)
• GGPT: Geometry Grounded Point Transformer [22.64445696362087]
  本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。 この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
  論文  参考訳（メタデータ） (2026-03-11T18:00:04Z)
• Multi-view Normal and Distance Guidance Gaussian Splatting for Surface Reconstruction [2.760653393100493]
  3D Gaussian Splatting (3DGS) は表面再構成の分野で顕著な成果を上げている。 しかし、ガウス正規ベクトルが単視点射影平面内に配置されているとき、現在のビューでは幾何は妥当であるように見えるが、近くのビューに切り替えるとバイアスが現れるかもしれない。 我々は,近傍のビューにおける画素点の正規値と一致させ,損失を計算することで,ビュー間の整合性を確保するマルチビュー正規拡張モジュールを開発した。
  論文  参考訳（メタデータ） (2025-08-11T07:25:13Z)
• Revisiting Depth Representations for Feed-Forward 3D Gaussian Splatting [57.43483622778394]
  本稿では,事前学習した変圧器によって予測される点マップに基づく新しい正規化損失PM-Lossを紹介する。 改良された深度マップにより,様々なアーキテクチャやシーンのフィードフォワード3DGSを大幅に改善する。
  論文  参考訳（メタデータ） (2025-06-05T17:58:23Z)
• OffsetOPT: Explicit Surface Reconstruction without Normals [7.297352404640493]
  ここでは,3次元点雲から直接表面を再構成するOffsetOPTを提案する。 小型の形状や大規模開口面など,一般的なベンチマークでその精度を実証する。
  論文  参考訳（メタデータ） (2025-03-20T00:47:27Z)
• Rethinking the Approximation Error in 3D Surface Fitting for Point Cloud Normal Estimation [39.79759035338819]
  推定値と精密表面標準値のギャップを埋めるための基本設計原則を2つ提示する。 この2つの原理をディープニューラルネットワークを用いて実装し、プラグアンドプレイ方式で最先端のSOTA(State-of-the-art)正規推定手法と統合する。
  論文  参考訳（メタデータ） (2023-03-30T05:59:43Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• GeoNet++: Iterative Geometric Neural Network with Edge-Aware Refinement for Joint Depth and Surface Normal Estimation [204.13451624763735]
  本研究では,エッジアウェア・リファインメント(GeoNet++)を用いた幾何ニューラルネットワークを提案し,単一の画像から深さと表面正規写像の両方を共同で予測する。 geonet++は、強い3d一貫性と鋭い境界を持つ深さと表面の正常を効果的に予測する。 画素単位の誤差/精度を評価することに焦点を当てた現在の測定値とは対照的に、3DGMは予測深度が高品質な3D表面の正常を再構築できるかどうかを測定する。
  論文  参考訳（メタデータ） (2020-12-13T06:48:01Z)
• Better Patch Stitching for Parametric Surface Reconstruction [100.55842629739574]
  ローカルマッピングのグローバルな一貫性を明示的に促進するアプローチを導入する。 第一項は表面の正規性を利用しており、個々の写像内および全体にわたって推定された場合、局所的に一貫した状態を保つことを要求する。 第2項はさらに、新しい縫合誤差を最小化することにより、マッピングの空間構成を改善する。
  論文  参考訳（メタデータ） (2020-10-14T12:37:57Z)
• Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
  カラービデオから多フレーム深度を推定する新しい学習手法を提案する。 本手法は深度推定精度において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2020-04-02T07:10:45Z)
• ASLFeat: Learning Local Features of Accurate Shape and Localization [42.70030492742363]
  ASLFeatを3つの軽量かつ効果的に修正し、上記の問題を緩和する。 まず、変形可能な畳み込みネットワークを用いて局所変換を密に推定、適用する。 第2に,空間分解能と低レベル細部を復元する特徴階層を利用して,正確なキーポイント位置推定を行う。
  論文  参考訳（メタデータ） (2020-03-23T04:03:03Z)

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。