論文の概要: Articulating then Matching: Zero-Shot Shape Matching for Uncurated Data

• arxiv url: http://arxiv.org/abs/2606.29167v1
• Date: Sun, 28 Jun 2026 03:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.820182
• Title: Articulating then Matching: Zero-Shot Shape Matching for Uncurated Data
• Title（参考訳）: アーティキュレーションとマッチング:不正確なデータに対するゼロショット形状マッチング
• Abstract要約: 3次元形状間の密接な対応を見つけることは、特に現実世界の環境では、基本的な問題であるが未解決の課題である。 ATMは、通信特化訓練を必要とせず、これらの問題を一度に堅牢に解決するフレームワークである。
• 参考スコア（独自算出の注目度）: 0.5014513738509991
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Finding dense correspondences between 3D shapes is a fundamental yet unresolved challenge, especially in real-world environments. These environments present severe challenges, including the lack of time and sufficient samples for training, the prevalence of uncurated extreme-high resolution data with topological distortions, and the need to handle diverse 3D representations. In this paper, we present ATM, a zero-shot framework that requires no correspondence-specific training and robustly addresses these issues at once through an articulate-then-match paradigm. Rather than relying on intrinsic geometric properties, we leverage powerful pretrained vision foundation models and parametric shape priors to estimate parametric shape models from multi-view renderings, and systematically ground these estimations via multi-view geometric consistency. By mapping diverse inputs into a shared canonical parametric space, we inherently establish robust coarse correspondences that bypass topological noise, which are then refined into precise dense mappings via spectral refinement. Operating purely on test-time optimized parametric reconstructions, ATM requires no correspondence training data, is naturally immune to connectivity artifacts, and seamlessly handles diverse 3D modalities, including meshes, point clouds, and 3D Gaussians. Extensive experiments demonstrate that our method achieves strong results on non-isometric benchmarks (average geodesic errors of 2.4-TOPKIDS, 3.8-SMAL), reducing errors by 73% and 37% respectively compared to the baseline URSSM. Furthermore, it exhibits unprecedented robustness on in-the-wild raw scans of up to 200k vertices per shape while maintaining near-constant computation time and consistent superior accuracy.
• Abstract（参考訳）: 3次元形状間の密接な対応を見つけることは、特に現実世界の環境では、基本的な問題であるが未解決の課題である。 これらの環境は、トレーニングのための時間と十分なサンプルの欠如、トポロジカル歪みを伴う未処理の超高解像度データの頻度、多様な3D表現を扱う必要性など、深刻な課題を呈している。 本稿では,対応訓練を必要としないゼロショットフレームワークであるATMについて述べる。 固有幾何特性に頼るのではなく、強力な事前学習された視覚基盤モデルとパラメトリック形状先行モデルを用いて、多視点レンダリングからパラメトリック形状モデルを推定し、これらの推定を多視点幾何整合性により体系的に基礎づける。 多様な入力を共有正準パラメトリック空間にマッピングすることにより、本質的に、位相ノイズをバイパスする頑健な粗い対応を確立し、スペクトルの精細化によって精密な密集写像へと洗練する。 ATMは、テスト時間に最適化されたパラメトリック再構築を純粋に行うため、通信トレーニングデータを必要としない、接続アーティファクトに自然に免疫し、メッシュ、ポイントクラウド、そして3Dガウスアンを含む様々な3Dモダリティをシームレスに処理する。 実験の結果, 非等尺性ベンチマーク(平均測地誤差2.4-TOPKIDS, 3.8-SMAL)において, 誤差を73%, 37%削減できることがわかった。 さらに、ほぼ一貫した計算時間と一貫した精度を維持しながら、1形状あたり最大200kの原位置スキャンに対して前例のない堅牢性を示す。

関連論文リスト

• Loss Landscape Topology Reveals Why Simple Baselines are Competitive at 3D Point Cloud Segmentation Under Class Imbalance [5.276232626689568]
  極端および適度な不均衡比を持つデータセット間での11の不均衡緩和手法を評価した。 標準のクロスエントロピーと均一な重み付けは、通常0.8-3.3% mIoU以内の競争性能を達成する。 この研究は、2Dで有効であることが証明された技術がポイントベースの3Dポイントクラウドセグメンテーションに容易に移行しない理由について、最初の力学的な説明を提供する。
  論文  参考訳（メタデータ） (2026-07-23T09:19:31Z)
• SpaR3D-MoE: Adaptive 3D Spatial Reasoning from Sparse Views Meets Geometry-Inductive Mixture-of-Experts [9.401672754315614]
  SpaR3DMoEは、粗いRGB入力のみから幾何学的認識機能を備えたMLLMによる適応的空間推論を可能にするエンドツーエンドのフレームワークである。
  論文  参考訳（メタデータ） (2026-07-07T09:27:38Z)
• NoPA: Non-Parametric Online 3D Scene Graph Generation [57.15076373014265]
  NoPAは各オブジェクトを別の非パラメトリック分布として表現する。 カーネル密度推定における平均誤差の最大化を利用して、オブジェクト候補のロバストなマージを可能にする。 NoPAは、リアルタイムの推論速度を犠牲にすることなく、現在の手法を大幅に上回る。
  論文  参考訳（メタデータ） (2026-07-01T07:18:07Z)
• 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)
• An Integer Linear Programming Approach to Geometrically Consistent Partial-Partial Shape Matching [69.56116761337786]
  部分部分的な形状マッチングの課題に対処するために特別に設計された最初の整数線形プログラミング手法を導入する。 提案手法は, 一致誤差と滑らかさの両面から, 高品質なマッチング結果を実現する。
  論文  参考訳（メタデータ） (2026-02-06T10:34:52Z)
• Tail-Aware Post-Training Quantization for 3D Geometry Models [58.79500829118265]
  ポストトレーニング量子化(PTQ)は、再トレーニングなしに効率的な推論を可能にする。 PTQは複雑な特徴分布と禁止キャリブレーションオーバーヘッドのために、3Dモデルに効果的に転送できない。 3次元幾何学学習のためのTail-Aware Post-Training Quantization PipelineであるTAPTQを提案する。
  論文  参考訳（メタデータ） (2026-02-02T07:21:15Z)
• Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
  Dens3Rは幾何学的密度予測のための3次元基礎モデルである。 画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
  論文  参考訳（メタデータ） (2025-07-22T07:22:30Z)
• Deep Supervised LSTM for 3D morphology estimation from Multi-View RGB Images of Wheat Spikes [0.0]
  二次元RGB画像から形態特性を推定することは固有の課題を示す。 本稿では,2次元画像の体積推定のためのニューラルネットワーク手法を提案する。 本モデルでは,6次元室内画像において平均絶対パーセンテージ誤差(MAPE)が6.46%に達する。
  論文  参考訳（メタデータ） (2025-06-22T15:02:18Z)
• Deformation-Guided Unsupervised Non-Rigid Shape Matching [7.327850781641328]
  非厳密な形状マッチングのための教師なしデータ駆動方式を提案する。 本手法は,3次元スキャナを用いたディジタル形状のマッチングにおいて特に堅牢である。
  論文  参考訳（メタデータ） (2023-11-27T09:55:55Z)
• U-RED: Unsupervised 3D Shape Retrieval and Deformation for Partial Point Clouds [84.32525852378525]
  教師なし形状検索および変形パイプラインであるU-REDを提案する。 任意のオブジェクトの観察を入力として受け取り、通常RGBの画像やスキャンによってキャプチャされ、幾何学的に類似したCADモデルを共同で検索して変形する。 我々は,U-REDが既存の最先端アプローチを47.3%,16.7%,31.6%で上回っていることを示す。
  論文  参考訳（メタデータ） (2023-08-11T20:56:05Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• Self-supervised Human Mesh Recovery with Cross-Representation Alignment [20.69546341109787]
  自己教師付きヒューマンメッシュリカバリ手法は、3Dアノテーション付きベンチマークデータセットの可用性と多様性が制限されているため、一般化性が低い。 頑健だがスパースな表現(2Dキーポイント)からの相補的情報を利用した相互表現アライメントを提案する。 この適応的相互表現アライメントは、偏差から明示的に学習し、相補的な情報(疎表現からの豊かさと密表現からの堅牢さ)をキャプチャする。
  論文  参考訳（メタデータ） (2022-09-10T04:47:20Z)
• Robust Extrinsic Symmetry Estimation in 3D Point Clouds [4.416484585765027]
  3次元点雲で表される物体の反射対称性面を検出することは、3次元コンピュータビジョンと幾何学処理の基本的な問題である。 本稿では,外乱や欠落部分に対して頑健な反射対称性の平面に対する統計的推定器に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-21T03:09:51Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。