論文の概要: InFlux++: Real and Synthetic Data for Estimating Dynamic Camera Intrinsics
- arxiv url: http://arxiv.org/abs/2607.05389v1
- Date: Mon, 06 Jul 2026 17:58:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.274964
- Title: InFlux++: Real and Synthetic Data for Estimating Dynamic Camera Intrinsics
- Title（参考訳）: InFlux++: ダイナミックカメラの内在を推定するための実データと合成データ
- Abstract要約: ほとんどの3Dアルゴリズムは、ビデオ全体を通して固定された内在性を前提としています。
InFlux++ Synthは1841年の高解像度ビデオから441K以上の注釈付きフレームを備えた大規模プロシージャ生成合成ビデオデータセットである。
InFlux++ Realは、InFluxを334の高解像度ビデオで514K以上のフレームで拡張した大規模な実世界のベンチマークである。
- 参考スコア（独自算出の注目度）: 12.530046546635226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Camera intrinsics are vital for recovering 3D structure from 2D video. However, most 3D algorithms assume fixed intrinsics throughout a video, an assumption that often fails for real-world in-the-wild videos. Consequently, estimating per-frame intrinsics from RGB images is critical for making 3D methods robust to videos with dynamic intrinsics. InFlux previously advanced this research direction by establishing the first real-world benchmark with per-frame ground truth intrinsics for dynamic intrinsics videos. Nevertheless, existing methods remain inaccurate due to two obstacles: (i) training data is scarce and lacks intrinsics diversity; and (ii) benchmarks, including InFlux, have limited scene and camera motion diversity, making it difficult to properly evaluate methods. To address both gaps, we present InFlux++, consisting of two components. InFlux++ Synth is a large-scale procedurally generated synthetic video dataset with 441K+ annotated frames from 1841 high-resolution videos, providing accurate per-frame ground truth intrinsics for training dynamic intrinsics prediction models; a subset also includes per-frame pose, depth, and normals. The videos feature rich intrinsics diversity through changes in camera zoom and focus, as well as dynamic objects and realistic rendering effects such as lens distortion and defocus blur. InFlux++ Real is a large-scale real-world benchmark that extends InFlux with 514K+ newly captured frames across 334 high-resolution videos, spanning a wider range of scenes and camera motions. Finetuning existing intrinsics prediction methods on InFlux++ Synth consistently improves focal length estimation across both InFlux++ Real and InFlux, suggesting that synthetic supervision is promising for RGB-based intrinsics prediction. For the dataset, benchmark, code, videos, submission instructions, and live leaderboard, please visit https://influx.cs.princeton.edu/ .
- Abstract（参考訳）: カメラの内在性は、2Dビデオから3D構造を復元するのに不可欠である。
しかし、ほとんどの3Dアルゴリズムはビデオ全体を通して固定された内在性を前提としています。
その結果,RGB画像からフレーム単位の内在性の推定は,動的内在性を持つビデオに対して3D手法を堅牢化するために重要である。
InFluxは以前、この研究の方向性を推し進め、動的内在的ビデオのためのフレーム単位の真理内在性を持つ最初の実世界ベンチマークを確立した。
しかし、既存の手法は2つの障害のために不正確なままである。
一 訓練データが乏しく、本質的な多様性が欠如していること。
(ii)InFluxを含むベンチマークではシーンとカメラモーションの多様性が制限されており、メソッドを適切に評価することは困難である。
両方のギャップに対処するため、2つのコンポーネントからなるInFlux++を紹介します。
InFlux++ Synthは1841年の高解像度ビデオから441K以上の注釈付きフレームを備えた大規模プロシージャ生成の合成ビデオデータセットであり、動的内在的予測モデルのトレーニングに正確なフレーム単位の真実内在性を提供する。
ビデオは、カメラズームとフォーカスの変化による内在的な多様性と、動的オブジェクト、レンズ歪みやデフォーカスぼけなどのリアルなレンダリング効果を特徴としている。
InFlux++ Realは、InFluxを334の高解像度ビデオで514K以上のフレームで拡張し、広い範囲のシーンとカメラモーションにまたがる大規模な実世界のベンチマークだ。
InFlux++ Synthの既存の内在的予測手法を微調整することで、InFlux++ RealとInFluxの両方での焦点長推定が一貫して改善される。
データセット、ベンチマーク、コード、ビデオ、提出命令、ライブのリーダーボードについては、https://influx.cs.princeton.edu/をご覧ください。
関連論文リスト
- RealVDeblur: One-Step Diffusion for Generalizable Real-World Video Deblurring [38.962439175751975]
実世界のビデオの劣化は、多様な動きパターン、複雑な劣化、および現実的なトレーニングデータの不足により、依然として困難なままである。
textbfRealVDeblurは、様々な実捕獲条件下での地中ロバスト性を改善するために設計された効率的な生成フレームワークである。
論文 参考訳（メタデータ） (2026-07-22T18:01:03Z) - CRISTAL: Real-time Camera Registration in Static LiDAR Scans using Neural Rendering [0.7524645831849633]
この研究は、撮影済みで高精度な色付きLiDAR点雲内にカメラをローカライズするリアルタイム手法を導入する。
ニューラルレンダリング技術は、合成画像と実画像の間の領域ギャップを狭める。
その結果、グローバルなLiDAR座標系において、正確なメートル法スケールのドリフトフリーカメラトラッキングが実現した。
論文 参考訳（メタデータ） (2025-11-20T13:34:34Z) - InFlux: A Benchmark for Self-Calibration of Dynamic Intrinsics of Video Cameras [26.829937413425096]
たいていの3Dアルゴリズムは、カメラの内在性はビデオを通して一定であると仮定している。
本稿では,Flux(Intrinsics in Flux, InFlux, Intrinsics in Flux)について述べる。
論文 参考訳（メタデータ） (2025-10-27T17:54:57Z) - PS4PRO: Pixel-to-pixel Supervision for Photorealistic Rendering and Optimization [3.53658451351123]
本稿では,ニューラルレンダリングのためのデータ拡張手法としてビデオフレームを提案する。
PS4PROは様々なビデオデータセットに基づいて訓練されており、暗黙的にカメラの動きと現実世界の3D幾何学をモデル化している。
以上の結果から,静的シーンと動的シーンの両方における再構成性能が向上することが示唆された。
論文 参考訳（メタデータ） (2025-05-28T17:35:39Z) - AnyCam: Learning to Recover Camera Poses and Intrinsics from Casual Videos [52.726585508669686]
我々は,動的ビデオシーケンスからカメラのポーズと内在性を直接推定する高速トランスフォーマーモデルであるAnyCamを提案する。
確立したデータセット上でAnyCamをテストし、質的にも量的にも正確なカメラポーズと本質的な機能を提供します。
カメラ情報、不確実性、深さを組み合わせることで、我々のモデルは高品質な4Dポイントクラウドを作り出すことができる。
論文 参考訳（メタデータ） (2025-03-30T02:22:11Z) - VideoLifter: Lifting Videos to 3D with Fast Hierarchical Stereo Alignment [54.66217340264935]
VideoLifterは、ローカルからグローバルへの戦略を断片的に活用する、新しいビデオから3Dパイプラインである。
再建プロセスを大幅に加速し、訓練時間を82%以上削減し、現在のSOTA法よりも視覚的品質を向上した。
論文 参考訳（メタデータ） (2025-01-03T18:52:36Z) - DistillNeRF: Perceiving 3D Scenes from Single-Glance Images by Distilling Neural Fields and Foundation Model Features [65.8738034806085]
DistillNeRFは、自動運転シーンにおける3D環境を理解するための自己教師型学習フレームワークである。
本手法は,スパースで単一フレームのマルチビューカメラ入力からリッチなニューラルシーン表現を予測する一般化可能なフィードフォワードモデルである。
論文 参考訳（メタデータ） (2024-06-17T21:15:13Z) - Differentiable Blocks World: Qualitative 3D Decomposition by Rendering
Primitives [70.32817882783608]
本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。
既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。
得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
論文 参考訳（メタデータ） (2023-07-11T17:58:31Z) - AutoDecoding Latent 3D Diffusion Models [95.7279510847827]
本稿では,3次元オートデコーダをコアとした静的・明瞭な3次元アセットの生成に対して,新しいアプローチを提案する。
3D Autodecoderフレームワークは、ターゲットデータセットから学んだプロパティを潜時空間に埋め込む。
次に、適切な中間体積潜在空間を特定し、ロバストな正規化と非正規化演算を導入する。
論文 参考訳（メタデータ） (2023-07-07T17:59:14Z) - Learning Dynamic View Synthesis With Few RGBD Cameras [60.36357774688289]
本稿では,RGBDカメラを用いて動的屋内シーンのフリー視点映像を合成することを提案する。
我々は、RGBDフレームから点雲を生成し、それをニューラル機能を介して、自由視点ビデオにレンダリングする。
そこで本研究では,未完成の深度を適応的に塗布して新規なビューを描画する,シンプルなRegional Depth-Inpaintingモジュールを提案する。
論文 参考訳（メタデータ） (2022-04-22T03:17:35Z) - Class-agnostic Reconstruction of Dynamic Objects from Videos [127.41336060616214]
動的オブジェクトをRGBDや校正ビデオから再構成するためのクラスに依存しないフレームワークであるREDOを紹介する。
我々は2つの新しいモジュールを開発し、まず、時間的視覚的手がかりを集約したピクセル整合性を持つ正準4次元暗黙関数を導入する。
第2に、時間的伝播と集約をサポートするためにオブジェクトのダイナミクスをキャプチャする4D変換モジュールを開発する。
論文 参考訳（メタデータ） (2021-12-03T18:57:47Z)
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。