論文の概要: Robust 3D Alignment of Generative Reconstructions via Partial Monocular Observations
- arxiv url: http://arxiv.org/abs/2607.00498v1
- Date: Wed, 01 Jul 2026 06:30:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.754414
- Title: Robust 3D Alignment of Generative Reconstructions via Partial Monocular Observations
- Title（参考訳）: 部分単分子観察による遺伝子再構成のロバスト3次元アライメント
- Abstract要約: 生成から部分的単分子観測アライメントは、コンピュータビジョンにおける重要な課題であるが、未発見の課題である。
本稿では,3次元類似度変換によって生成した3次元前処理を基盤とした,学習不要かつ解釈可能な幾何学的アライメントフレームワークを提案する。
実験により,本手法は,古典的幾何学的パイプラインと最先端の学習ベースラインの両方を著しく上回り,安定かつ正確な登録を実現することが示された。
- 参考スコア（独自算出の注目度）: 46.983222121901235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aligning generative 3D reconstructions with partial monocular observations is a critical but under-explored challenge in computer vision. This task is inherently ill-posed due to severe asymmetries between noisy, sparse monocular inputs and dense generative priors, whose scale ambiguity and geometric hallucinations, combined with the lack of initial overlap, render traditional registration pipelines ineffective. To resolve these issues, we propose a training-free and interpretable geometric alignment framework that grounds generative 3D priors via a 3D similarity transformation (Sim(3)), which can recover accurate metric scale and pose. Specifically, we introduce an explicit scale factor to resolve metric ambiguity and employ a coarse-to-fine alignment strategy, leveraging geometry-aware descriptors for robust initialization and a decoupled closed-form solver for precision refinement. In addition, we introduce a Hallucination Filtering operation to effectively suppress outliers caused by hallucinated geometry. To evaluate alignment performance under these extreme conditions, we introduce GenPMOAlign--Where2Place, a rigorous benchmark specifically designed for Generative-to-Partial Monocular Observational Alignment. Experiments demonstrate that our method achieves stable and accurate registration, substantially outperforming both classical geometric pipelines and state-of-the-art learning-based baselines. Code and the benchmark will be publicly released.
- Abstract（参考訳）: 部分的な単分子観察による生成的3次元再構成の調整は、コンピュータビジョンにおける重要な課題であるが、未発見の課題である。
この課題は、ノイズ、スパース単分子入力と、スケールのあいまいさと幾何学的幻覚が組み合わさり、初期の重複の欠如と相まって、従来の登録パイプラインが効果的でないという厳密な生成前兆の激しい対称性により、本質的には不適切である。
これらの問題を解決するために,3次元類似度変換(Sim(3))を用いて生成した3次元先行情報をベースとした,トレーニング不要で解釈可能な幾何アライメントフレームワークを提案する。
具体的には、計量のあいまいさを解決するための明示的なスケールファクタを導入し、粗大なアライメント戦略を採用し、ロバストな初期化のための幾何認識記述子と、精密化のための分離された閉形式ソルバを利用する。
さらに,ハロシン化フィルタを導入し,ハロシン化幾何学による外乱を効果的に抑制する。
これらの極端条件下でのアライメント性能を評価するために、生成的一様観測アライメントに特化して設計された厳密なベンチマークであるGenPMOAlign--Where2Placeを導入する。
実験により,本手法は,古典的幾何学的パイプラインと最先端の学習ベースラインの両方を著しく上回り,安定かつ正確な登録を実現することが示された。
コードとベンチマークが公開される。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。
本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
論文 参考訳（メタデータ） (2026-07-21T08:54:25Z) - FlowObject: Flow Steering for Bridging Generative Priors and Reconstruction Fidelity [34.142288038459704]
FlowObjectは、スパースビューの3D再構成をトレーニング不要でガイド付き逆問題として再構成するフレームワークである。
提案手法は、幾何学的完全性およびビュー依存外観忠実度の両方において、最先端の生成モデルと最適化に基づくフレームワークを著しく上回る。
論文 参考訳（メタデータ） (2026-06-17T12:42:09Z) - Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment [45.205992501478256]
本研究では、フィールド固有の信号に全体的監督を分散させるフレームワークを提案し、それらを責任あるトークンスパンにのみルーティングする。
提案手法は,3次元KPAを0.64から0.93に増加させ,結合上の3次元境界ボックス交点を0.686に増加させ,再計画整合点を0.852に引き上げることで信頼性ギャップを橋渡しする。
論文 参考訳（メタデータ） (2026-04-23T00:01:40Z) - Photorealistic Phantom Roads in Real Scenes: Disentangling 3D Hallucinations from Physical Geometry [17.571800971505787]
本稿では、この不確実な安全性リスクを調査、定量化、テーム化する、エンドツーエンドのフレームワークを初めて紹介する。
提案する3D-Mirageは,正確な平面領域アノテーションと文脈制限作物を用いた実世界のイリュージョンの最初のベンチマークである。
そこで本稿では,非平面性向上のためのDefiation Composite Score (DCS) と文脈不安定性評価のためのConfusion Composite Score (CCS) の2つの指標を用いたラプラシアン評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-17T13:14:37Z) - SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection [49.12928389918159]
既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。
本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。
SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。
3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
論文 参考訳（メタデータ） (2025-11-10T04:48:48Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - StableGS: A Floater-Free Framework for 3D Gaussian Splatting [9.935869165752283]
3D Gaussian Splatting(3DGS)の復元は、その幾何学的および視覚的忠実さを低下させるスタバボーンフローター(stbborn floater)のアーティファクトに悩まされている。
最終的な外観レンダリングから幾何正規化を分離する新しいフレームワークであるStableGSを提案する。
複数のベンチマークの実験では、StableGSはフローターを除去するだけでなく、一般的なぼやけたアーチファクトのトレードオフも解決している。
論文 参考訳（メタデータ） (2025-03-24T09:02:51Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - Object Gaussian for Monocular 6D Pose Estimation from Sparse Views [4.290993205307184]
ガウス的手法を用いたスパースビューオブジェクトポーズ推定のための新しいフレームワークであるSGPoseを紹介する。
最大10ビューを与えられたSGPoseは、ランダムな立方体から始めることで幾何学的認識表現を生成する。
典型的なベンチマーク、特にOcclusion LM-Oデータセットの実験では、SGPoseはスパースビューの制約下であっても既存のメソッドよりも優れていることを示した。
論文 参考訳（メタデータ） (2024-09-04T10:03:11Z)
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。