論文の概要: Uncertainty Quality of VGGT: An Analysis on the DTU Benchmark Dataset
- arxiv url: http://arxiv.org/abs/2606.16479v1
- Date: Mon, 15 Jun 2026 09:49:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.352292
- Title: Uncertainty Quality of VGGT: An Analysis on the DTU Benchmark Dataset
- Title（参考訳）: VGGTの不確実性:DTUベンチマークデータセットの解析
- Authors: Markus Hillemann, Robert Langendörfer, Steven Landgraf, Markus Ulrich,
- Abstract要約: VGGTは、シーンの複数の画像から直接、カメラのポーズ、深度マップ、密集した3D構造を数秒で予測する。
フォトグラメトリでは、リアルタイム、スケーラブル、そしてアクセス可能な3D再構成の新たな可能性を開く。
本稿では,VGGTの不確実性予測の品質について検討する。
- 参考スコア（独自算出の注目度）: 8.99398258312882
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Visual Geometry Grounded Transformer (VGGT) has already attracted a great deal of attention in a short period of time, not least due to the Best Paper Award at CVPR-2025. Similar to DUSt3R and MASt3R, VGGT aims to bring about a paradigm shift by replacing established methods like bundle adjustment and feature matching with a simple, unified, feed-forward neural network that predicts camera poses, depth maps, and dense 3D structure directly from multiple images of a scene in a few seconds. A key aspect is its ability to process an arbitrary number of views consistently in a single forward pass without any post-processing or iterative optimization. For photogrammetry, this opens new possibilities for real-time, scalable, and accessible 3D reconstruction. In this context, not only high reconstruction accuracy but also high-quality uncertainty estimates are crucial, as they foster trust and enable robust quality assurance. This paper therefore investigates the quality of VGGT's uncertainty predictions. The analysis identifies an effective confidence threshold for filtering VGGT's raw output and demonstrates that enhancing uncertainty quality holds strong potential for improving the accuracy of its 3D reconstructions.
- Abstract（参考訳）: Visual Geometry Grounded Transformer (VGGT) は、CVPR-2025のベスト・ペーパー・アワード(Best Paper Award)によって、短期間で注目を集めている。
DUSt3RやMASt3Rと同様に、VGGTは、バンドル調整や特徴マッチングといった確立した手法を、カメラのポーズ、奥行きマップ、密集した3D構造を、シーンの複数の画像から直接数秒で予測する、シンプルで統一されたフィードフォワードニューラルネットワークに置き換えることによって、パラダイムシフトを実現することを目指している。
重要な側面は、後処理や反復最適化なしに、任意の数のビューを単一のフォワードパスで一貫して処理できることです。
フォトグラメトリでは、リアルタイム、スケーラブル、そしてアクセス可能な3D再構成の新たな可能性を開く。
この文脈では、信頼性を高め、堅牢な品質保証を可能にするため、高い復元精度だけでなく、高品質の不確実性の推定も重要である。
そこで本研究では,VGGTの不確実性予測の品質について検討する。
この分析により,VGGTの生出力をフィルタリングする有効な信頼閾値が同定され,不確実性の品質向上が3次元再構成の精度向上の強い可能性を証明した。
関連論文リスト
- QVGGT: Post-Training Quantized Visual Geometry Grounded Transformer [5.7977296539841845]
我々は、VGGT(Visual Geometry Grounded Transformer)を圧縮するための調整量子化フレームワークであるQVGGTを紹介する。
QVGGTは、ほぼロスレスなW4A16量子化を実現し、FP32上で3$sim$4.9$times$メモリの削減と2.8$times$実際のハードウェアスピードアップを実現した。
提案手法により,エッジデバイス上での高忠実度3次元認識の実現が可能となり,実世界の制約環境におけるフィードフォワード3次元再構成モデルの実践的展開が可能となった。
論文 参考訳（メタデータ） (2026-05-29T10:32:52Z) - Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis [9.936999820242244]
本稿では,画素単位,ビュー依存型予測不確実性推定のための軽量なプラグアンドプレイフレームワークを提案する。
本手法は,復元残差に対するベイズ正規化線形最小二乗最適化として不確かさを定式化する。
このアーキテクチャに依存しないアプローチは、下層のシーン表現を変更することなく、プリミティブごとの不確実性チャネルを抽出する。
論文 参考訳（メタデータ） (2026-03-24T04:21:42Z) - SwiftVGGT: A Scalable Visual Geometry Grounded Transformer for Large-Scale Scenes [30.52500975808177]
大規模シーンにおける3次元再構成は3次元知覚の基本的な課題である。
既存の手法では、速度を優先し、低品質な結果を生成するか、推論時間の遅いコストで高品質な再構築を実現する。
高品質な高密度3次元再構成を保ちながら、推論時間を大幅に短縮するトレーニング不要なSwiftVGGTを提案する。
論文 参考訳（メタデータ） (2025-11-23T05:03:49Z) - OUGS: Active View Selection via Object-aware Uncertainty Estimation in 3DGS [14.124481717283544]
OUGSは3DGSの原則的、物理的に根拠のある不確実性定式化である。
我々の中心となる革新は、3Dガウス原始体の明示的な物理的パラメータから直接不確実性を引き出すことである。
この基盤により、セマンティックセグメンテーションマスクをシームレスに統合し、ターゲットとするオブジェクト認識の不確実性スコアを生成することができる。
論文 参考訳（メタデータ） (2025-11-12T15:08:46Z) - Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric [76.66966098297986]
3DGSの主観的品質評価データセットである3DGS-QAを提案する。
15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。
本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
論文 参考訳（メタデータ） (2025-11-11T09:34:20Z) - MUGSQA: Novel Multi-Uncertainty-Based Gaussian Splatting Quality Assessment Method, Dataset, and Benchmarks [50.53294970211443]
ガウススプラッティング (GS) は3次元オブジェクト再構成の有望な技術として登場し, 再現速度を大幅に改善した高品質なレンダリング結果を提供している。
異なるGSベースの方法で再構成された3Dオブジェクトの知覚的品質を評価することは、依然としてオープンな課題である。
本研究では,GS法で再構成されたオブジェクトに対する人間の視聴動作を忠実に模倣する,マルチ距離主観的品質評価手法を提案する。
提案手法は,複数の不確実性下での各種GSベースの再構築手法の堅牢性を評価するためのベンチマークと,既存の品質評価指標の性能を評価するためのベンチマークを構築した。
論文 参考訳（メタデータ） (2025-11-10T08:21:11Z) - Towards Domain Generalization for Multi-view 3D Object Detection in
Bird-Eye-View [11.958753088613637]
まず,MV3D-Detタスクにおける領域ギャップの原因を解析する。
頑健な深度予測を得るために,カメラの内在パラメータから深度推定を分離する手法を提案する。
焦点長の値を変更して複数の擬似ドメインを作成し、敵の訓練損失を発生させ、特徴表現をよりドメインに依存しないものにするよう促す。
論文 参考訳（メタデータ） (2023-03-03T02:59:13Z) - 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) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-09-28T17:56:41Z) - Inducing Predictive Uncertainty Estimation for Face Recognition [102.58180557181643]
顔画像の「マッドペア」から画像品質訓練データを自動的に生成する手法を提案する。
生成したデータを用いて、顔画像の信頼度を推定するために、PCNetと呼ばれる軽量な予測信頼ネットワークを訓練する。
論文 参考訳（メタデータ） (2020-09-01T17:52:00Z)
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。