論文の概要: LIST3R: Long-sequence Instance-aware 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2607.00375v1
• Date: Wed, 01 Jul 2026 03:20:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.70161
• Title: LIST3R: Long-sequence Instance-aware 3D Reconstruction
• Title（参考訳）: LIST3R:ロングシーケンスのインスタンス対応3D再構成
• Abstract要約: LIST3Rは、ロングシーケンス3D再構成のためのインスタンス対応フレームワークである。 インスタンスアンカーを中心に再構築を編成し、断片化されたサブシーケンスを再接続する。 提案手法は,より正確な軌道と高品質な3D再構成を実現する。
• 参考スコア（独自算出の注目度）: 12.683912509337992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present LIST3R, an instance-aware framework for long-sequence 3D reconstruction inspired by the way humans organize spatial memory around stable and recognizable objects. LIST3R organizes long-sequence reconstruction around instance anchors, using them to reconnect fragmented subsequences and consolidate local observations into a coherent global 3D scene. Given a long video, our approach partitions it into overlapping subsequences and builds a structured local instance library for each partial reconstruction, maintaining persistent trackable anchors with semantic and geometric evidence. These anchors are matched across subsequences to recover revisited regions and provide object-aware constraints for fragment alignment, producing a consistent global reconstruction. During this process, the evolving geometric evidence updates the local instance libraries and progressively organizes them into a unified global 3D instance library. Experiments on long-sequence benchmarks show that our method produces more accurate trajectories and higher-quality 3D reconstructions, highlighting the effectiveness of persistent instance anchors for organizing long-horizon 3D reconstruction. Our code is available on the project page: https://yixn965.github.io/LIST3R/.
• Abstract（参考訳）: LIST3Rは、人間が安定かつ認識可能な物体の周りに空間記憶を整理する方法に着想を得た、長周期3次元再構成のためのインスタンス認識フレームワークである。 LIST3Rは、インスタンスアンカーの周りに長いシーケンスの再構築を組織し、断片化されたサブシーケンスを再接続し、局所的な観測を一貫性のあるグローバルな3Dシーンに統合する。 長いビデオが与えられた場合、我々はそれを重なり合うサブシーケンスに分割し、各部分再構成のための構造化されたローカルインスタンスライブラリを構築し、セマンティックおよび幾何学的証拠を伴う永続的な追跡可能なアンカーを維持する。 これらのアンカーは、更新された領域を復元し、フラグメントアライメントのためのオブジェクト認識制約を提供するために、サブシーケンス間で一致し、一貫したグローバルな再構築をもたらす。 この過程で、進化する幾何学的エビデンスによってローカルのインスタンスライブラリが更新され、徐々にグローバルな3Dインスタンスライブラリに整理される。 提案手法は, より高精度な3次元再構成と高精度な3次元再構成を実現することを示し, 長期3次元再構成における永続的なインスタンスアンカーの有効性を浮き彫りにした。 私たちのコードはプロジェクトのページで利用可能です。

関連論文リスト

• Ray-Aware Pointer Memory with Adaptive Updates for Streaming 3D Reconstruction [19.132257919770947]
  連続画像ストリームからの3次元再構成には、正確な幾何集約と安定したメモリ管理が必要である。 空間的位置と視線方向の両方を明示的にモデル化した3次元再構成のためのレイアウェア・ポインターメモリを提案する。 われわれのアプローチは、画像ストリームからのスケーラブルでドリフトに耐性のあるオンライン3D再構成のための、原則化されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-05-07T06:42:11Z)
• FurnSet: Exploiting Repeats for 3D Scene Reconstruction [3.948390930350905]
  シングルビュー3Dシーン再構成は、オブジェクト形状と空間配置の両方を推測する。 既存のメソッドは通常、オブジェクトを独立して再構築するか、暗黙のシーンコンテキストに依存します。 FurnSetは、繰り返しオブジェクトインスタンスを明示的に識別し、活用して再構築を改善するフレームワークである。
  論文  参考訳（メタデータ） (2026-04-22T01:27:13Z)
• Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction [50.5449251266956]
  本稿では,長い映像シーケンスから大規模3Dシーンを再構築する作業について述べる。 近年のフィードフォワード再構成モデルでは,RGB画像からの3次元幾何を,明示的な3次元先行や幾何学的制約なく直接回帰することで,有望な結果を示している。 本稿では,長距離シーン情報を効率よく圧縮し,保持するニューラルグローバルコンテキスト表現を提案する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:50Z)
• AnchorWeave: World-Consistent Video Generation with Retrieved Local Spatial Memories [78.78355829813793]
  既存のメモリベースのアプローチでは、歴史的に再構成された幾何学のアンカービデオをレンダリングすることで、グローバルに再構成された3Dシーンを条件付けすることが多い。 AnchorWeaveは、単一の不整合グローバルメモリを複数のローカルな幾何学的メモリに置き換える、メモリ拡張ビデオ生成フレームワークである。 実験によると、AnchorWeaveは視覚的品質を維持しながら、長期的なシーンの一貫性を著しく向上する。
  論文  参考訳（メタデータ） (2026-02-16T17:23:08Z)
• Point3R: Streaming 3D Reconstruction with Explicit Spatial Pointer Memory [72.75478398447396]
  我々は,高密度ストリーミング3D再構成を目的としたオンラインフレームワークであるPoint3Rを提案する。 具体的には、現在のシーンの3次元構造に直接関連した空間ポインタメモリを明示的に保持する。 本手法は,訓練コストの低い各種タスクにおいて,競争力や最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:56Z)
• LASA: Instance Reconstruction from Real Scans using A Large-scale Aligned Shape Annotation Dataset [17.530432165466507]
  本稿では,新しいクロスモーダル形状再構成法とOccGOD法を提案する。 本手法は,インスタンスレベルのシーン再構成と3次元オブジェクト検出の両タスクにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T18:50:10Z)
• Iterative Superquadric Recomposition of 3D Objects from Multiple Views [77.53142165205283]
  2次元ビューから直接3次元スーパークワッドリックを意味部品として用いたオブジェクトを再構成するフレームワークISCOを提案する。 我々のフレームワークは、再構成エラーが高い場合に、反復的に新しいスーパークワッドリックを追加します。 これは、野生の画像からでも、より正確な3D再構成を提供する。
  論文  参考訳（メタデータ） (2023-09-05T10:21:37Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)
• UCLID-Net: Single View Reconstruction in Object Space [60.046383053211215]
  三次元潜在空間を保存する幾何学的空間の構築は,オブジェクト座標空間における大域的形状規則性と局所的推論を同時に学習する上で有効であることを示す。 ベンチマーク目的でよく使用されるShapeNet合成画像と、我々のアプローチが最先端の画像より優れている実世界の画像の両方を実証する。
  論文  参考訳（メタデータ） (2020-06-06T09:15:56Z)

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。