論文の概要: Future Rendering $\neq$ Future Surface: A Benchmark and Dataset for Dynamic Surface Reconstruction Beyond the Observed Window

• arxiv url: http://arxiv.org/abs/2607.21471v1
• Date: Thu, 23 Jul 2026 16:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.477159
• Title: Future Rendering $\neq$ Future Surface: A Benchmark and Dataset for Dynamic Surface Reconstruction Beyond the Observed Window
• Title（参考訳）: Future Rendering $\neq$ Future Surface: 観測窓を越えた動的表面再構成のためのベンチマークとデータセット
• Abstract要約: FutureSurfは、将来の表面再構成のための診断ベンチマークである。 シーンの多様性を、未来の真実とファルシフィケーションのコントロールと引き換えにしている。 データセットは、分析的に定義された8つの制御運動を含む。
• 参考スコア（独自算出の注目度）: 6.696438065667646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic-scene reconstruction is almost always evaluated inside the observed time window, yet deployment settings such as AR overlays, robot interaction, and anticipatory planning need the future surface: the geometry at times beyond those captured. No standard benchmark measures this. We introduce FutureSurf, a controlled diagnostic benchmark and dataset for future-time surface reconstruction that trades scene diversity for exact future ground truth and falsification controls. A method trains on the observed first 75% of a sequence; we score its extracted per-frame surface on the held-out future by Chamfer distance, reporting absolute future CD as the primary score and the future/observed gap as a diagnostic. The dataset contains eight analytically defined controlled motions, including three falsification controls, with exact per-frame ground-truth meshes. We also provide a ground-truth-side recoverability oracle. The release includes split files, scoring code, a benchmark card, and Croissant metadata. On the controlled motions, the DG-Mesh backbone leaves a 2.7-4.1$\times$ gap even for futures predictable in principle (four of five recoverable from observed motion by a fixed rule), while the falsification controls behave as designed (the surface-invariant motion shows no gap). Beyond the contributed dataset, the gap persists across six animated DG-Mesh asset scenes and a second backbone, Deformable-3DGS (2.0-6.6$\times$; both share a deformation-MLP temporal model). The benchmark also shows that future rendering quality and future-surface accuracy are statistically decoupled, so the novel-view-synthesis metrics the field reports do not track future geometry. The future error is structured, concentrating where the surface moves. The dataset, evaluation toolkit, and scoring code are available on Hugging Face and GitHub (https://github.com/Ricky-S/futuresurf).
• Abstract（参考訳）: 動的シーンの再構築はほとんどの場合、観測された時間ウィンドウ内で評価されるが、ARオーバーレイやロボットのインタラクション、予測計画といったデプロイメント設定には、将来的な表面、すなわち捕獲された時間を超える幾何学が必要である。 標準ベンチマークがこれを測定することはない。 我々はFutureSurfを紹介した。FutureSurfは、将来的な地上の真実とファルシフィケーション制御のために、シーンの多様性を交換する、将来的な表面の再構築のための、制御された診断ベンチマークとデータセットである。 提案手法は, 観測された最初の75%のシーケンスをトレーニングし, その抽出したフレーム表面をチャンファー距離で保持した未来にスコアし, 絶対的将来CDを一次スコアとし, 将来的/保存的ギャップを診断として報告する。 データセットには,3つのファルシフィケーションコントロールを含む,分析的に定義された8つの動作が含まれています。 また,本研究では,地中構造を復元可能なオラクルも提供する。 リリースには、分割ファイル、スコア付けコード、ベンチマークカード、Croissantメタデータが含まれている。 制御された動作では、DG-Meshのバックボーンは、2.7-4.1$\times$ギャップを原理的に予測可能な未来でも残し(固定された規則により観測された動きから5つのうち4つが回復可能)、ファルシフィケーション制御は設計通りに振る舞う(表面不変運動はギャップを示さない)。 コントリビューションデータセット以外にも、6つのアニメーションDG-Meshアセットシーンと2番目のバックボーンであるDeformable-3DGS (2.0-6.6$\times$; どちらも変形-MLP時間モデルを共有している)でギャップが持続する。 このベンチマークは、将来のレンダリング品質と将来の地表精度が統計的に分離されていることも示している。 将来の誤差は構造化され、表面がどこに動くかに集中する。 データセット、評価ツールキット、スコア付けコードはHugging FaceとGitHubで入手できる(https://github.com/Ricky-S/futuresurf)。

関連論文リスト

• 4DGS-WAM: Bridging Past and Future with an Object-Centric World Action Model based on 4D Gaussian Splatting [72.02343855552051]
  現在の世界アクションモデル(WAM)は2次元の視覚データを扱うのが一般的である。 動的オブジェクトとシーンの静的背景を別々にモデル化した,明示的な4Dガウススティング(4DGS)表現を利用する。 4DGS-WAMは2次元観察を永続的な4次元表現に上げ、将来の予測で観測済みの静的コンテンツを再利用できるようにする。
  論文  参考訳（メタデータ） (2026-08-26T16:16:57Z)
• Geometric Action Model for Robot Policy Learning [68.6657929619782]
  汎用ロボットポリシーは、オブジェクト、カメラ、ロボットアクションが3D物理世界でどのように相互作用するかを推論しながら、ユーザーの指示に従う必要がある。 最近の視覚言語行動モデル(VLA)とビデオ世界行動モデル(WAM)は、大規模基盤モデルから強い意味や時間的先行を継承する。 本稿では,言語条件の操作ポリシーであるGeometric Action Model (GAM)を提案する。
  論文  参考訳（メタデータ） (2026-06-15T17:58:03Z)
• WAM4D: Fast 4D World Action Model via Spatial Register Tokens [52.16661403052964]
  WAM4Dは,軽量空間レジスタトークンを用いた高速4次元世界アクションモデルである。 WAM4Dは空間的整合性を向上し,効率的な推論を維持しつつ,競争力のある動作予測を実現する。
  論文  参考訳（メタデータ） (2026-06-12T02:49:34Z)
• TrajLoom: Dense Future Trajectory Generation from Video [17.78215938363174]
  本稿では,過去の映像から将来の軌跡や軌跡を予測するフレームワークを提案する。 最先端手法と比較して,提案手法は24フレームから81フレームまでの予測地平線を延長する。 予測された軌道は、下流のビデオ生成と編集を直接サポートする。
  論文  参考訳（メタデータ） (2026-03-23T22:10:58Z)
• E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
  3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。 GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。 我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。 すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
  論文  参考訳（メタデータ） (2025-06-02T17:53:09Z)
• Unified Human Localization and Trajectory Prediction with Monocular Vision [64.19384064365431]
  MonoTransmotionはトランスフォーマーベースのフレームワークで、モノクロカメラのみを使用して、ローカライゼーションと予測タスクを共同で解決する。 両タスクを統合フレームワークで共同でトレーニングすることにより,ノイズの多い入力による実環境シナリオにおいて,我々の手法がより堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-03-05T14:18:39Z)
• STINet: Spatio-Temporal-Interactive Network for Pedestrian Detection and Trajectory Prediction [24.855059537779294]
  本稿では、新しいエンドツーエンド2段階ネットワーク:spatio--Interactive Network(STINet)を提案する。 歩行者の3次元形状に加えて,歩行者ごとの時間情報をモデル化する。 提案手法は,1段目における現在位置と過去の位置の両方を予測し,各歩行者をフレーム間でリンクできるようにする。
  論文  参考訳（メタデータ） (2020-05-08T18:43:01Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。