論文の概要: NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction
- arxiv url: http://arxiv.org/abs/2607.07168v1
- Date: Wed, 08 Jul 2026 09:02:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.326646
- Title: NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction
- Title（参考訳）: NoDrift3R:Drift-Robust Unposed Feed-Forward 3D Reconstructionのためのレイマップガイド結合
- Abstract要約: Pose-Free Feed-forward 3D Gaussian Splattingは、最近、高速なシーン再構築のための強力なパラダイムとして登場した。
しかし、その性能は累積カメラポーズ推定ドリフトにより長い画像列で著しく低下する。
我々は、レイマップガイド結合モジュールを用いて、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 25.145305440192875
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pose-Free Feed-forward 3D Gaussian Splatting (3DGS) has recently emerged as a powerful paradigm for fast scene reconstruction. However, its performance degrades significantly in long image sequences due to cumulative camera pose estimation drift, which propagates errors into geometric modeling and severely limits rendering fidelity. In this work, we revisit the long-sequence bottleneck and identify pose drift as the primary factor restricting reconstruction quality. Furthermore, while SfM-based pseudo ground-truth poses introduce sensor noise, purely rendering-based supervision often leads to optimization instability and local minima due to the entangled optimization of geometry and pose. To address the challenges, we propose a synergistic pose-free framework that explicitly couples geometry and appearance via a Raymap-Guided Coupling Module (RGC). Concretely, we anchor Gaussian centers to raymap-induced geometry and jointly optimize RGB reconstruction, raymap consistency, and camera regularization under a unified objective, yielding a bidirectional feedback loop: stronger geometry improves rendering, and appearance supervision in turn refines geometry and pose. To further stabilize learning across wide temporal ranges, we introduce a Dual-Frequency Viewpoint Scheduling strategy that combines easy-to-hard interval expansion with replay of short-interval pairs. Extensive experiments across in-domain and cross-domain datasets show consistent gains in both rendering and pose estimation, with notably improved robustness on long sequences. Ablation studies validate our central insight: explicitly designed geometry-appearance synergy is the key to scalable and drift-robust pose-free feed-forward 3D reconstruction.
- Abstract（参考訳）: Pose-Free Feed-forward 3D Gaussian Splatting (3DGS)は、最近、高速シーン再構築のための強力なパラダイムとして登場した。
しかし、その性能は累積カメラのポーズ推定ドリフトによって長い画像列において著しく低下し、エラーを幾何学的モデリングに伝播させ、レンダリングの忠実度を著しく制限する。
本研究では,長期的ボトルネックを再考し,ポーズドリフトを再現性を制限する主要な要因として同定する。
さらに、SfMベースの擬似接地構造はセンサノイズをもたらすが、純粋にレンダリングベースの監視は、幾何学とポーズの絡み合った最適化のため、しばしば最適化不安定と局所最小化をもたらす。
これらの課題に対処するために、レイマップガイド結合モジュール(RGC)を介して、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
具体的には、ガウス中心をレイマップによる幾何学に固定し、RGB再構成、レイマップの整合性、カメラの正則化を統一された目的の下で共同で最適化し、双方向のフィードバックループを得る。
広い時間範囲にわたる学習をより安定させるために、簡単な間隔展開と短間隔ペアの再生を組み合わせたデュアル周波数視点スケジューリング戦略を導入する。
ドメイン内データセットとクロスドメインデータセットにわたる大規模な実験は、レンダリングとポーズ推定の両方において一貫した利得を示し、長いシーケンスに対するロバスト性は顕著に改善されている。
明確に設計された幾何学的外観の相乗効果は、スケーラブルで、ドリフトローバストなポーズなしフィードフォワード3D再構成の鍵となる。
関連論文リスト
- ReX-Shot: Single-Image Rephotography via Geometry- and Camera-Grounded Generation [77.23728599741166]
単一画像の再撮影は、特定の視点、焦点距離、写真効果を持つ単一の参照画像からシーンの新しいショットを合成することを目的としている。
既存の方法は、これらの要因を別々に扱い、共同制御の下で苦労する。
ReX-Shotは、単一の画像から視点、焦点距離、パラメータ化された写真効果を共同制御する最初の統一されたフレームワークである。
論文 参考訳（メタデータ） (2026-08-19T06:34:20Z) - 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) - ASTRA: Asynchronous Spatio-Temporal Reconstruction via Trajectory Alignment [86.35109211408489]
本稿では,非同期動的再構成のための2次元運動軌跡を明示的かつテクスチャに依存しない監視として導入するフレームワークであるASTRAを提案する。
ASTRAは高周波空間の詳細を保存し、25フレームのオフセットを持つ重度の非同期でも強い堅牢性を保ち、約1.4dBのPSNRの改善を実現し、時間オフセットMAEを54.0%削減し、同期成功率をほぼ4倍にしている。
論文 参考訳（メタデータ） (2026-08-03T10:06:45Z) - Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations [98.66466590444553]
コスト制約のない多視点幾何アノテーションを使わずにFFRMをスクラッチからトレーニングするための弱教師付きパラダイムであるReliev3Rを提案する。
Reliev3Rのコアでは、多視点幾何整合性の監視を容易にするために、曖昧さを意識した相対深度損失と三角法に基づく再射損失を設計する。
論文 参考訳（メタデータ） (2026-04-01T06:46:54Z) - Towards Geometry-Aware and Motion-Guided Video Human Mesh Recovery [60.51998732898099]
HMRMambaは3Dヒューマンメッシュリカバリのための新しいパラダイムである。
構造状態空間モデル(Structured State Space Models)をその効率性と長距離モデリングに利用した先駆者である。
まず、新しいデュアルスキャンのMambaアーキテクチャを特徴とするGeometry-Aware Lifting Moduleについて述べる。
論文 参考訳（メタデータ） (2026-01-29T08:05:02Z) - EAG3R: Event-Augmented 3D Geometry Estimation for Dynamic and Extreme-Lighting Scenes [31.16499311793949]
E3Rは、非同期イベントストリームによるポイントマップベースの再構築を強化する、新しい幾何推定フレームワークである。
EAG3Rは、モノクロ深度推定、カメラポーズトラッキング、動的再構成タスクにおいて、最先端のRGBのみのベースラインを著しく上回る。
論文 参考訳（メタデータ） (2025-11-30T08:05:28Z) - Gesplat: Robust Pose-Free 3D Reconstruction via Geometry-Guided Gaussian Splatting [21.952325954391508]
本稿では、3DGSベースのフレームワークであるGesplatを紹介し、ロバストな新しいビュー合成と、未提示のスパース画像からの幾何的に一貫した再構成を可能にする。
提案手法は,他のポーズフリー手法と比較して,前方および大規模の複雑なデータセット上でより堅牢な性能を実現する。
論文 参考訳（メタデータ） (2025-10-11T08:13:46Z) - GTR: Gaussian Splatting Tracking and Reconstruction of Unknown Objects Based on Appearance and Geometric Complexity [49.31257173003408]
モノクローナルRGBDビデオからの6-DoFオブジェクト追跡と高品質な3D再構成のための新しい手法を提案する。
提案手法は, 高忠実度オブジェクトメッシュを復元する強力な能力を示し, オープンワールド環境における単一センサ3D再構成のための新しい標準を策定する。
論文 参考訳（メタデータ） (2025-05-17T08:46:29Z) - Evolving High-Quality Rendering and Reconstruction in a Unified Framework with Contribution-Adaptive Regularization [27.509109317973817]
3D Gaussian Splatting (3DGS)は、高品質なレンダリングと高速な推論速度で注目されている。
従来の手法は主に幾何学的正則化に焦点を当てており、プリミティブベースのフレームワークやデュアルモデルフレームワークを含む一般的なアプローチがある。
本稿では,高画質表面再構成を実現するために,適応正規化を利用した統一モデルであるCarGSを提案する。
論文 参考訳（メタデータ） (2025-03-02T12:51:38Z) - 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) - LucidFusion: Reconstructing 3D Gaussians with Arbitrary Unposed Images [23.96972213606037]
3次元再構成を画像から画像への変換として再構成し、相対座標マップ(RCM)を導入する。
RCMは、ポーズ推定なしで複数の未提示画像をメインビューにアライメントする。
RCMはプロセスを単純化するが、グローバルな3D監視の欠如によりノイズの多い出力が得られる。
我々のLucidFusionフレームワークは、任意の数の未用意な入力を処理し、数秒で堅牢な3D再構成を実現し、より柔軟でポーズなしの3Dパイプラインを実現する。
論文 参考訳（メタデータ） (2024-10-21T04:47:01Z) - PGSR: Planar-based Gaussian Splatting for Efficient and High-Fidelity Surface Reconstruction [37.14913599050765]
高忠実表面再構成を実現するために,高速平面型ガウススプラッティング再構成表現(PGSR)を提案する。
次に、大域的幾何精度を維持するために、一視点幾何、多視点測光、幾何正則化を導入する。
提案手法は3DGS法およびNeRF法よりも優れた高忠実度レンダリングと幾何再構成を維持しつつ,高速なトレーニングとレンダリングを実現する。
論文 参考訳（メタデータ） (2024-06-10T17:59:01Z) - GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z)
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。