Fugu-MT 論文翻訳(概要): Toward Semantic Communication for Real-time Mobile 3D Reconstruction

論文の概要: Toward Semantic Communication for Real-time Mobile 3D Reconstruction

arxiv url: http://arxiv.org/abs/2607.16128v1
Date: Fri, 17 Jul 2026 17:07:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-20 17:56:52.914002
Title: Toward Semantic Communication for Real-time Mobile 3D Reconstruction
Title（参考訳）: リアルタイム移動体3次元再構成のための意味コミュニケーションに向けて
Abstract要約: リアルタイムモバイル3D再構成のためのSemComフレームワークを提案する。このフレームワークは、画素単位の信頼マップとともに再構成された画像を出力する意味的トランシーバを含む。我々のフレームワークは、ポーズ推定精度と3次元構造整合性を大幅に改善する。
参考スコア（独自算出の注目度）: 6.297166067940033
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Real-time mobile 3D reconstruction is fundamental to many emerging applications such as autonomous navigation and digital twin construction, where a moving platform continuously captures an image stream and transmit to a computing server for scene understanding. Unlike offline reconstruction, camera poses and scene geometry are estimated on-the-fly during acquisition, making multi-view consistency a real-time requirement and rendering geometric estimation highly sensitive to communication-induced distortions. Semantic communication (SemCom) transmits compact semantic information, offering a promising way to preserve task-critical data over unreliable links. However, existing designs are optimized at the image or single-view level and without providing explicit reliability information for geometric estimation, limiting their applicability to real-time mobile 3D reconstruction. In this context, we propose a SemCom framework for real-time mobile 3D reconstruction. The framework includes a semantic transceiver that outputs a reconstructed image alongside a pixel-wise confidence map, quantifying the reliability of each region. We further introduce a confidence-guided geometric estimation method, incorporating confidence into RANSAC-based pose initialization and bundle adjustment to reduce the influence of unreliable regions and enhance robustness under noisy channels. Simulations show that, compared to existing SemCom and traditional seperate source and channel coding, our framework maintains high image quality while significantly improving pose estimation accuracy and 3D structural consistency.
Abstract（参考訳）: リアルタイムモバイル3D再構成は、自律ナビゲーションやデジタルツイン構築など、多くの新興アプリケーションにおいて、画像ストリームを連続的にキャプチャして、シーン理解のためにコンピュータサーバに送信する移動プラットフォームにおいて、基本となっている。オフラインの再構成とは異なり、カメラのポーズとシーンの幾何学は、取得中にリアルタイムで推定され、マルチビューの一貫性がリアルタイムの要求となり、通信による歪みに非常に敏感な幾何学的推定が描画される。セマンティック通信(SemCom)は、信頼できないリンク上でタスククリティカルなデータを保存するための有望な手段を提供する、コンパクトなセマンティック情報を送信する。しかし、既存の設計は画像やシングルビューレベルで最適化されており、幾何推定のための明確な信頼性情報を提供しておらず、リアルタイムモバイル3D再構成に適用可能である。本研究では,リアルタイムモバイル3D再構成のためのSemComフレームワークを提案する。このフレームワークは、各領域の信頼性を定量化し、画素単位の信頼マップと共に再構成された画像を出力する意味的トランシーバを含む。さらに、RANSACに基づくポーズ初期化とバンドル調整に信頼性を取り入れ、信頼できない領域の影響を低減し、ノイズチャネル下での堅牢性を高める、信頼誘導幾何推定手法を導入する。シミュレーションにより,既存のSemComや従来のセマンティック・ソースやチャネル・コーディングと比較して高い画質を維持しつつ,ポーズ推定精度と3次元構造整合性を大幅に向上することが示された。

関連論文リスト

GAN-Based Semantic Communication for Image Transmission in IoV [6.095348773114754]
本稿では,従来の通信システムにおける効率性と忠実さのボトルネックに対処する,生成的対向的ネットワークに基づくセマンティックコミュニケーションフレームワークを提案する。送信機では、ピラミッドアテンションネットワークを用いてセマンティックラベルマップを抽出し、セマンティック優先保存機構を導入する。受信機において、画像再構成モジュールは、粗大で微細なマルチレゾリューションジェネレータとマルチスケールディスクリミネータを統合する。提案手法は, セマンティックセグメンテーション精度と再構成画像品質の両方において, 既存のセマンティックセグメンテーションよりも優れている。
論文参考訳（メタデータ） (2026-08-28T06:58:19Z)
Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
論文参考訳（メタデータ） (2026-06-12T09:43:13Z)
Geometric Context Transformer for Streaming 3D Reconstruction [51.19524805829903]
LingBot-Mapは、ストリーミングデータからシーンを再構築するためのフィードフォワード3Dファウンデーションモデルである。 LingBot-Mapの定義的な側面は、アンカーコンテキスト、ポーズ参照ウィンドウ、トラジェクトリメモリを統合した、慎重に設計されたアテンションメカニズムにある。この設計は、リッチな幾何学的コンテキストを維持しながら、ストリーミング状態をコンパクトに保ち、518 x 378の解像度入力に対して、20FPS程度の安定した効率的な推論を可能にする。
論文参考訳（メタデータ） (2026-04-15T17:58:13Z)
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)
Follow My Hold: Hand-Object Interaction Reconstruction through Geometric Guidance [61.41904916189093]
単眼RGB画像から手持ち物体の3次元形状を再構成する拡散法に基づく新しいフレームワークを提案する。我々は手オブジェクト間相互作用を幾何学的ガイダンスとして使用し、手オブジェクト間相互作用を確実にする。
論文参考訳（メタデータ） (2025-08-25T17:11:53Z)
3D Reconstruction via Incremental Structure From Motion [1.4999444543328293]
本稿では,幾何推定の整合性およびバンドル調整による反復的改善の効果に着目し,逐次SfMパイプラインの詳細な実装について述べる。その結果、視覚的に構造化された環境下でのスパース3次元再構成のための信頼性の高い方法として、インクリメンタルSfMの実用性をサポートした。
論文参考訳（メタデータ） (2025-08-01T18:45:05Z)
MoNetV2: Enhanced Motion Network for Freehand 3D Ultrasound Reconstruction [11.531888235029445]
本研究では,多様な走査速度と戦術の下での再構成の精度と一般化性を高めるために,MoNetV2の拡張型モーションネットワークを提案する。 MoNetV2は、再構築品質と3つの大きなデータセットでの汎用性の両方のパフォーマンスにおいて、既存のメソッドを上回っている。
論文参考訳（メタデータ） (2025-06-16T04:57:34Z)
MUSt3R: Multi-view Network for Stereo 3D Reconstruction [11.61182864709518]
本稿では,DUSt3Rのペアから複数のビューへの拡張を提案する。計算複雑性を低減できる多層メモリ機構でモデルを拡張します。このフレームワークは、オフラインとオンラインの両方で3D再構成を実行するように設計されているため、SfMとビジュアルSLAMシナリオにシームレスに適用できる。
論文参考訳（メタデータ） (2025-03-03T15:36:07Z)
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)
MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
論文参考訳（メタデータ） (2024-07-18T17:50:03Z)
Deep Learning-based Cross-modal Reconstruction of Vehicle Target from Sparse 3D SAR Image [6.499547636078961]
本稿では,光学情報を融合させることで,車両のスパース3D SAR画像の高精細化を実現する3D-SAR再構成ネットワーク(CMAR-Net)を提案する。 CMAR-Netは、高度にスパースな観察から得られたスパース3次元SAR画像を視覚的に構造化された3次元車両画像に再構成し、効率的なトレーニングを実現する。
論文参考訳（メタデータ） (2024-06-06T15:18:59Z)
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)

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。