論文の概要: SM4RT: Learning Structured Motion Geometry for 4D Reconstruction

• arxiv url: http://arxiv.org/abs/2607.22534v1
• Date: Fri, 24 Jul 2026 17:59:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.211431
• Title: SM4RT: Learning Structured Motion Geometry for 4D Reconstruction
• Title（参考訳）: SM4RT:4次元再構成のための構造運動幾何学の学習
• Abstract要約: 既存の運動知覚法の多くは、運動を物理的運動の構造的性質を無視して、独立な点方向の変位として扱う。 終端から終端までの3次元再構成と構造化された動き知覚のための構造化モーション4D再構成変換器SM4RTを提案する。 SM4RTは、シーンモーションの幾何学的構造を保ちながら、強い動き再構成性能を達成する。
• 参考スコア（独自算出の注目度）: 67.18230176143263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Geometry Foundation Models (GFMs) have substantially advanced monocular 3D reconstruction, yet extending this capability to 4D dynamic understanding remains a fundamental challenge. Most existing motion perception methods (e.g., sparse tracking, dense point-wise flow) treat motion as independent point-wise displacements, ignoring the structured nature of physical motion. However, real-world objects usually obey rigid-body kinematics, and points thus usually move collectively, not in isolation. Motion itself possesses geometric structure: physical objects undergo a set of rigid-body transformations governed by SE(3), rather than unstructured point-wise displacements. Building on this insight, we propose SM4RT, a Structured Motion 4D Reconstruction Transformer for end-to-end 3D reconstruction and structured motion perception. SM4RT introduces Structure-of-Motion to represent scene dynamics, where scene motion is decomposed into a compact set of motion bases, each represented as a temporal sequence of 6D twists in SE(3). Dense scene motion is then recovered by sparse, time-shared per-pixel assignment weights over these bases, ensuring points on the same object share a common rigid-body motion trajectory. SM4RT introduces a parallel motion geometry encoder and decoder that jointly infer 3D geometry, world-coordinate motion, and scene kinematic structure in a single forward pass from monocular RGB video. SM4RT achieves strong motion reconstruction performance while preserving the geometric structure of scene motion.
• Abstract（参考訳）: Geometry Foundation Models (GFMs) は事実上進歩した単分子3次元再構成を持つが、この能力を4次元動的理解に拡張することは根本的な課題である。 既存の運動知覚法(例えば、スパーストラッキング、高密度点流)は、運動を独立した点方向の変位として扱い、物理的な運動の構造的性質を無視している。 しかし、現実世界の物体は通常剛体キネマティクスに従属し、したがって点は通常孤立してではなく集合的に動く。 運動そのものは幾何学的構造を持つ: 物理的対象は、非構造的な点偏移ではなく、SE(3)によって支配される剛体変換の集合を成す。 この知見に基づいて, 終端から終端までの3次元再構成と構造化された動き知覚のための構造化運動4次元再構成変換器SM4RTを提案する。 SM4RTはシーンダイナミクスを表現するためにStructure-of-Motionを導入し、シーンの動きをコンパクトなモーションベースに分解し、それぞれSE(3)の6Dツイストの時間シーケンスとして表現する。 次に、高密度なシーンの動きは、これらのベースに対して、スパースでタイムシェアされた1ピクセルあたりの割り当て重みによって回復され、同じ物体上のポイントが共通の剛体運動軌跡を共有することが保証される。 SM4RTは平行移動幾何学エンコーダとデコーダを導入し、3次元幾何学、世界座標運動、シーンキネマティック構造をモノクロRGBビデオから単一の前方通過で推論する。 SM4RTは、シーンモーションの幾何学的構造を保ちながら、強い動き再構成性能を達成する。

関連論文リスト

• MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting [54.859943475818234]
  MotionScaleは、4Dガウススティングフレームワークで、大きなシーンや拡張シーケンスに効率よくスケールする。 挑戦的な実世界のベンチマークの実験では、MotionScaleは復元品質と時間的安定性の両方において最先端の手法を大きく上回っている。
  論文  参考訳（メタデータ） (2026-03-31T06:03:59Z)
• Articulat3D: Reconstructing Articulated Digital Twins From Monocular Videos with Geometric and Motion Constraints [21.83046776294786]
  Articulat3Dは、カジュアルにキャプチャされたモノクロビデオからデジタルツインを構築する新しいフレームワークである。 まず,3次元の軌跡を利用して調音運動の低次元構造を利用する動き優先初期化を提案する。 次に、物理的に可算な調音を強制する幾何学的・運動的制約(Geometric and Motion Constraints Refinement)を導入する。 実験により、Articulat3Dは、合成ベンチマークと現実世界のカジュアルにキャプチャされたモノクロビデオで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-03-12T06:59:44Z)
• Flow4R: Unifying 4D Reconstruction and Tracking with Scene Flow [61.297800738187355]
  Flow4Rは、Vision Transformerを用いて、画素当たりのプロパティセット3Dポイント位置、シーンフロー、ポーズウェイト、および2ビュー入力からの信頼度を最小限に予測する。 静的データセットと動的データセットを併用してトレーニングされたFlow4Rは、4D再構築とトラッキングタスクにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-15T06:58:08Z)
• Motion 3-to-4: 3D Motion Reconstruction for 4D Synthesis [53.48281548500864]
  Motion 3-to-4は、単一のモノクロビデオから高品質な4Dダイナミックオブジェクトを合成するためのフィードフォワードフレームワークである。 我々のモデルは、コンパクトな動き潜在表現を学習し、フレーム単位の軌道を予測して、時間的コヒーレントな幾何である完全なロバスト性を取り戻す。
  論文  参考訳（メタデータ） (2026-01-20T18:59:48Z)
• 4D Primitive-Mâché: Glueing Primitives for Persistent 4D Scene Reconstruction [28.50411933478524]
  本稿では,カジュアルなモノクラーRGB映像を入力として受信し,シーンの持続的な再構成を出力する動的再構成システムを提案する。 言い換えれば、シーンの現在見える部分だけでなく、以前に見た部分もすべて再構成し、すべてのタイムステップで完全な再構築を再現できる。
  論文  参考訳（メタデータ） (2025-12-18T14:06:15Z)
• C4D: 4D Made from 3D through Dual Correspondences [77.04731692213663]
  時間的対応を利用して既存の3次元再構成を4Dに拡張するフレームワークであるC4Dを紹介する。 C4Dは、短期光学フローと長期点追跡の2種類の対応をキャプチャする。 我々は、追加の移動情報を提供する動的認識ポイントトラッカーを訓練する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:06Z)
• Shape of Motion: 4D Reconstruction from a Single Video [42.42669078777769]
  本稿では,世界座標フレーム内の3次元運動軌跡を明示的かつ永続的に特徴付ける,ジェネリックダイナミックシーンの再構築手法を提案する。 まず,コンパクトなSE(3)モーションベースでシーンの動きを表現することで,3次元動作の低次元構造を利用する。 第2に,単眼深度マップや長距離2Dトラックなどの既成データ駆動の先行データを利用して,これらのノイズを効果的に処理する方法を考案する。
  論文  参考訳（メタデータ） (2024-07-18T17:59:08Z)
• 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。