論文の概要: PRISM3D: Probabilistic Refinement and Robust Initialization for Physically Consistent Scene Modeling under Extreme Motion Blur
- arxiv url: http://arxiv.org/abs/2607.03855v1
- Date: Sat, 04 Jul 2026 12:45:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.738017
- Title: PRISM3D: Probabilistic Refinement and Robust Initialization for Physically Consistent Scene Modeling under Extreme Motion Blur
- Title（参考訳）: PRISM3D: 極端運動ブラスト下での物理的に一貫性のあるシーンモデリングのための確率的再微細化とロバスト初期化
- Abstract要約: 近赤外画像からの視覚的3次元シーン再構成の逆問題に対処する。
既存のアプローチでは、非現実的なシャープイメージの監視に頼ることで、このボトルネックを回避するのが一般的である。
PRISM3Dは、高度に劣化した入力から直接堅牢な再構築を可能にする統一的なフレームワークである。
- 参考スコア（独自算出の注目度）: 9.855875137621622
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the inverse problem of blind 3D scene reconstruction from extremely motion-blurred images, a scenario where traditional Structure-from-Motion (SfM) pipelines fail. Existing approaches typically circumvent this bottleneck by relying on impractical sharp-image supervision. In this work, we introduce PRISM3D, a unified framework enabling robust reconstruction directly from severely degraded inputs. To overcome the lack of a reliable starting point, we propose a Robust Initialization strategy utilizing deep dense tracking method (VGGSfM) to recover global topology where feature matching fails. To the best of our knowledge, we are the first to effectively leverage this paradigm to bootstrap 3D Gaussian Splatting from extreme motion blur. However, while robust, this initialization yields sparse and noisy geometry that causes deterministic optimization to diverge. To resolve this, we propose a coupled solution driven by probability and physics: we adopt a probabilistic formulation for geometric densification via Markov Chain Monte Carlo (MCMC) to robustly populate the sparse priors, while simultaneously modeling physical image formation via continuous Bezier Trajectories. Furthermore, while PRISM3D establishes a highly robust standalone pipeline, the availability of complementary event streams offers an opportunity to push the reconstruction fidelity further. To exploit this, we introduce PRISM3D-E, a multi-modal (RGB + Events) extension that seamlessly integrates high-temporal-resolution events as structural priors to maximize geometric recovery. Because existing datasets lack paired event streams under such severe degradation, we concurrently contribute the PRISM3D-E Benchmark to facilitate rigorous evaluation. Extensive experiments demonstrate that both our standalone RGB framework and its multi-modal extension establish new state-of-the-art performance.
- Abstract（参考訳）: 従来のSfMパイプラインが故障するシナリオである、極端に動きが鈍い画像からの視覚的3Dシーン再構成の逆問題に対処する。
既存のアプローチでは、非現実的なシャープイメージの監督に頼ることで、このボトルネックを回避するのが一般的である。
本研究では,高度に劣化した入力から直接,堅牢な再構築を可能にする統合フレームワークであるPRISM3Dを紹介する。
信頼性の低い出発点の欠如を克服するため,高密度追跡手法(VGGSfM)を用いたロバスト初期化手法を提案し,特徴マッチングが失敗するグローバルトポロジを復元する。
我々の知る限りでは、我々はこのパラダイムを効果的に活用し、極端な動きのぼけから3Dガウススプラッティングをブートストラップする。
しかし、この初期化は頑健であるが、決定論的最適化が発散するスパースでノイズの多い幾何学をもたらす。
我々はマルコフ・チェイン・モンテカルロ (MCMC) による幾何密度化の確率的定式化を採用し、連続ベジエ軌道による物理像形成を同時にモデル化する。
さらに、PRISM3Dは、高度に堅牢なスタンドアロンパイプラインを確立する一方で、補完的なイベントストリームの可用性は、再構築の忠実性をさらに押し上げる機会を提供する。
これを活用するために,マルチモーダル(RGB + Events)拡張であるPRISM3D-Eを導入する。
既存のデータセットは、このような深刻な劣化の下でペア化されたイベントストリームを欠いているため、厳密な評価を容易にするために、PRISM3D-Eベンチマークを同時に提供します。
我々のスタンドアロンのRGBフレームワークとマルチモーダル拡張の両方が、新しい最先端のパフォーマンスを確立することを実証した。
関連論文リスト
- EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳（メタデータ） (2026-08-09T09:00:30Z) - Robust and Efficient Monocular 3D Gaussian SLAM for Kilometer-Scale Outdoor Scenes [6.445070918236315]
KiloGS-SLAMは高効率で頑丈な単分子トリガー3DSLAMシステムである。
提案手法は,最先端のトラッキング精度とレンダリング品質を実現し,単一のGPU上で1万フレームを超えるシーケンスへのスケールアップに成功した。
論文 参考訳（メタデータ） (2026-06-29T15:12:18Z) - L2D2-GS: Learning to Densify for Feedforward Dynamic Gaussian Scene Reconstruction [45.197986759830314]
本稿では,L2D2-GSについて述べる。L2D2-GSは1ショットレグレッションではなく,最適化と密度化の堅牢な反復的プロセスとして,一般化可能な再構築を再構築する統一的なフレームワークである。
提案手法は, 競合するベースラインよりもプリミティブを少なくしつつ, 最先端の復元忠実度と強力なゼロショット一般化を実現する。
論文 参考訳（メタデータ） (2026-06-28T12:51:17Z) - Visual Geometry Transformer in the Wild: Distractor-Free 3D Reconstruction [77.75911117889915]
現在のエンドツーエンドのマルチビュー3D再構成手法は、目覚ましい結果を得るが、制限的な静的仮定に依存している。
この理想的な入力への依存は、最も高度なメソッドでさえ、現実世界の設定で失敗する原因となる。
非一貫性の視点から頑健な再構築を行うためのエンドツーエンドフレームワークであるWildにおけるビジュアルジオメトリトランスフォーマーを提案する。
論文 参考訳（メタデータ） (2026-06-22T02:52:22Z) - AsyncEvGS: Asynchronous Event-Assisted Gaussian Splatting for Handheld Motion-Blurred Scenes [30.960288956042163]
フレキシブルで高解像度の非同期RGB-Eventデュアルカメラシステムとそれに対応する再構成フレームワークを導入する。
我々は、従来のイベント損失の不正な振る舞いを軽減するために、構造駆動のイベント損失とビュー固有の一貫性レギュレータを使用します。
実験により,本手法は,課題のあるデータセットと既存のベンチマークの両方において,最先端のパフォーマンスを実現することを示す。
論文 参考訳（メタデータ） (2026-05-08T03:39:45Z) - GeoRect4D: Geometry-Compatible Generative Rectification for Dynamic Sparse-View 3D Reconstruction [16.448484686109992]
マルチビュービデオからダイナミックな3Dシーンを再構築することは、しばしば幾何学的な崩壊、軌道のドリフト、浮き彫りのアーティファクトに繋がる、非常に不適切である。
最近の試みでは、欠落したコンテンツに幻覚を与える遺伝子前駆体を導入しているが、ナイーブな統合はしばしば構造的ドリフトと時間的不整合を引き起こす。
そこで本稿では, 疎視動的再構成のための新しい統合フレームワークであるGeoRect4Dを提案する。
論文 参考訳（メタデータ） (2026-04-22T17:12:02Z) - STream3R: Scalable Sequential 3D Reconstruction with Causal Transformer [72.88105562624838]
本稿では,ポイントマップ予測をデコーダのみの変換器問題として再構成する新しい3次元再構成手法STream3Rを提案する。
大規模な3Dデータセットから幾何学的先行性を学ぶことで、STream3Rは多様で困難なシナリオにうまく一般化する。
この結果から,オンライン3次元知覚のための因果変換モデルの可能性を浮き彫りにし,ストリーミング環境におけるリアルタイム3次元理解の道を開いた。
論文 参考訳（メタデータ） (2025-08-14T17:58:05Z) - Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。
このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。
提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
論文 参考訳（メタデータ） (2025-08-06T16:16:58Z) - Sparse-View 3D Reconstruction: Recent Advances and Open Challenges [0.8583178253811411]
濃密な画像取得が不可能なアプリケーションには,スパースビュー3D再構成が不可欠である。
この調査は、ニューラル暗黙のモデルと明示的なポイントクラウドベースのアプローチの最新の進歩をレビューする。
我々は, 幾何正規化, 明示的な形状モデリング, 生成的推論がアーティファクトの緩和にどのように利用されているかを分析する。
論文 参考訳（メタデータ） (2025-07-22T09:57:28Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion [118.74385965694694]
我々は動的シーンから時間ステップごとの幾何を直接推定する新しい幾何学的アプローチであるMotion DUSt3R(MonST3R)を提案する。
各タイムステップのポイントマップを単純に推定することで、静的シーンにのみ使用されるDUST3Rの表現を動的シーンに効果的に適応させることができる。
我々は、問題を微調整タスクとしてポーズし、いくつかの適切なデータセットを特定し、この制限されたデータ上でモデルを戦略的に訓練することで、驚くほどモデルを動的に扱えることを示す。
論文 参考訳（メタデータ） (2024-10-04T18:00:07Z)
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。