論文の概要: VidMap: Exploiting Temporal Structure for Video-Based Structure-from-Motion
- arxiv url: http://arxiv.org/abs/2607.27194v1
- Date: Wed, 29 Jul 2026 17:58:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.773273
- Title: VidMap: Exploiting Temporal Structure for Video-Based Structure-from-Motion
- Title（参考訳）: VidMap: 動画ベース構造のための時間構造を爆発的に生成する
- Abstract要約: SLAMの強い逐次制約とオフラインSfMの柔軟性とグローバル最適化を組み合わせたシステムを提案する。
われわれのアプローチは最先端のSLAMとSfMのどちらよりもはるかに堅牢で正確だ。
- 参考スコア（独自算出の注目度）: 53.78826038875198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately recovering the camera's calibration and metric poses for any unconstrained video would unlock large-scale training data for navigation and scene understanding. The dominant approaches to this problem are severely limited: Simultaneous Localization and Mapping (SLAM) is sensitive to initialization and transient failures due to its causal, incremental nature; it is often over-optimized for real-time operation and generally requires known camera calibration; while Structure-from-Motion (SfM) typically forgoes any image ordering, enabling optimal initialization and global optimization, but lacks robustness to visual symmetries and extreme motions. To bridge this gap, we introduce a system that combines the strong sequential constraints of SLAM with the flexibility and global optimization of offline SfM, enabling the metric reconstruction of arbitrary, long, uncalibrated videos. This system leverages recent advances in wide-baseline dense image matching, treats temporal ordering as a first-class citizen for reliable loop closure, and augments global optimization with metric monocular depth priors. As a result, thorough evaluations on diverse, challenging datasets that exhibit extreme motion and visual symmetries reveal that our approach is significantly more robust and accurate than both state-of-the-art SLAM and SfM, classical or learned, with given or unknown camera calibration. The code is publicly available at https://github.com/cvg/vidmap.
- Abstract（参考訳）: カメラのキャリブレーションとメトリクスの正確な回復は、制限のないビデオのポーズによって、ナビゲーションとシーン理解のための大規模なトレーニングデータをアンロックする。
同時局在マッピング(SLAM)はその因果的かつ漸進的な性質のために初期化と過渡的失敗に敏感であり、しばしばリアルタイム操作に過度に最適化され、一般的には既知のカメラキャリブレーションを必要とする。
このギャップを埋めるために、SLAMの強い逐次制約とオフラインSfMの柔軟性とグローバルな最適化を組み合わせるシステムを導入する。
このシステムは,広線高密度画像マッチングの最近の進歩を活用し,信頼ループ閉鎖のための第1級市民としての時間次順序付けを扱い,メートル法単眼深度によるグローバルな最適化を強化する。
その結果、極端な動きと視覚対称性を示す多様な挑戦的なデータセットの徹底的な評価により、我々のアプローチは、与えられたカメラキャリブレーションや未知のカメラキャリブレーションによって、最先端のSLAMとSfMの両方よりもはるかに堅牢で正確であることが判明した。
コードはhttps://github.com/cvg/vidmapで公開されている。
関連論文リスト
- DGSfM: Depth-Guided Scale-Aware Global Structure-from-Motion [40.127097529332815]
本稿では,DGSfMを提案する。DGSfMは,モノクル深度マップを拡張性のある先行モデルとして用いるグローバルSfMパイプラインである。
各画像対に対して、深度対応の相対ポーズソルバを用いて、拡大あいまいなエピポーラ制約をスケール対応の相対ポーズ制約に変換する。
ETH3D と IMC2021 の実験では、DGSfM はスパースと密集したフロントエンドをまたいだ強いグローバルな SfM ベースラインよりも一貫して改善されている。
論文 参考訳（メタデータ） (2026-07-10T15:18:37Z) - InstantSfM: Fully Sparse and Parallel Structure-from-Motion [18.540622250926624]
Structure-from-Motion (SfM) はカメラのポーズとシーンの形状を補正する手法である。
GLOMAPは、大規模なシナリオを扱う際に、CPUに固有のバンドル調整(BA)やグローバル位置決め(GP)を実装する。
本稿では,標準SfMパイプラインの各臨界ステージを高速化するために,GPU並列計算の潜在能力を最大限に活用する。
論文 参考訳（メタデータ） (2025-10-15T08:58:05Z) - Visual Odometry with Transformers [68.453547770334]
特徴抽出により単眼フレームのシーケンスを処理するビジュアル・オドメトリ・トランスフォーマ(VoT)を導入する。
従来の方法とは異なり、VoTは密度の高い幾何学を推定することなくカメラの動きを直接予測し、監視のためにカメラのポーズのみに依存する。
VoTは、より大きなデータセットで効果的にスケールし、より強力なトレーニング済みバックボーンの恩恵を受け、多様なカメラモーションとキャリブレーション設定を一般化し、従来のメソッドよりも3倍以上高速に動作しながらパフォーマンスを向上する。
論文 参考訳（メタデータ） (2025-10-02T17:00:14Z) - PROFusion: Robust and Accurate Dense Reconstruction via Camera Pose Regression and Optimization [21.23419310544054]
リアルタイムの密集したシーン再構築はロボティクスにとって不可欠である。
現在のRGB-D SLAMシステムは、カメラが大きな視点の変化、速い動き、突然の揺れを経験したときに失敗する。
論文 参考訳（メタデータ） (2025-09-29T03:20:49Z) - A Constrained Optimization Approach for Gaussian Splatting from Coarsely-posed Images and Noisy Lidar Point Clouds [37.043012716944496]
カメラポーズ推定と3次元再構成を同時に行うための制約付き最適化手法を提案する。
実験により,提案手法は既存の(マルチモーダル)3DGSベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2025-04-12T08:34:43Z) - Query Quantized Neural SLAM [25.72309707436261]
本稿では,入力の変動を減らし,フレームのオーバーフィットを容易かつ高速に行うためのクエリ量子化ニューラルネットワークSLAMを提案する。
広範に使用されているベンチマークの視覚的および数値的な比較を報告し、再構成とカメラトラッキングの両方における最新の手法よりも優位性を示す。
論文 参考訳（メタデータ） (2024-12-21T04:08:18Z) - Buffer Anytime: Zero-Shot Video Depth and Normal from Image Priors [54.8852848659663]
Buffer Anytimeは、ビデオから深さと正規マップ(幾何バッファと呼ばれる)を推定するためのフレームワークです。
時間的整合性制約を持つ単一画像の先行値を活用することによって,高品質なビデオバッファ推定を実証する。
論文 参考訳（メタデータ） (2024-11-26T09:28:32Z) - Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。
我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
論文 参考訳（メタデータ） (2024-09-29T22:20:32Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z)
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。