論文の概要: E2Pano: Learning Event-to-Panorama Image Reconstruction
- arxiv url: http://arxiv.org/abs/2608.00694v1
- Date: Sat, 01 Aug 2026 14:45:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.868504
- Title: E2Pano: Learning Event-to-Panorama Image Reconstruction
- Title（参考訳）: E2Pano: イベント・ツー・パノラマ画像再構成を学習する
- Abstract要約: E2Panoは、幾何学誘導型イベント・ツー・パノラマパイプラインで、エンドツーエンドで学習可能な光度再構成ステージを備える。
我々のフレームワークは、パイプライン全体を通して幾何学的マッピングから実際の球面座標を保存する。
イベントストリームと組み合わせた4,370の合成と30の現実世界のパノラマシーンからなるデータセットであるPanoScanを構築した。
- 参考スコア（独自算出の注目度）: 24.15642018033131
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Event cameras offer microsecond-level temporal resolution and high dynamic range, potentially facilitating motion-blur-free panoramic imaging from fast rotational scanning. Nonetheless, existing optimization-based methods remain computationally demanding, while prior learning-based reconstruction methods are largely designed for perspective imagery and lack geometry-aware support for panoramic outputs. We present E2Pano, a geometry-guided event-to-panorama pipeline with an end-to-end learnable photometric reconstruction stage. Our framework preserves real spherical coordinates from geometric mapping throughout the pipeline, employs a lightweight enhancement module with frequency-domain supervision to bridge the event-image domain gap, and leverages a spherical Transformer with 3D positional embeddings for photometric reconstruction. Experiments on synthetic data and captured rotational scans show improved reconstruction quality and lower photometric reconstruction cost than optimization-based baselines, together with encouraging transfer to real captures under our acquisition protocol despite training purely on synthetic data. Additionally, we construct PanoScan, a dataset with 4,370 synthetic and 30 real-world panoramic scenes paired with event streams. Our dataset and code will be released.
- Abstract（参考訳）: イベントカメラは、マイクロ秒レベルの時間分解能と高ダイナミックレンジを提供し、高速な回転走査による動きのないパノラマイメージングを容易にする可能性がある。
それにもかかわらず、既存の最適化に基づく手法は依然として計算的に要求されるが、従来の学習に基づく再構成手法は視点画像のために主に設計されており、パノラマ出力に対する幾何学的サポートが欠如している。
E2Panoは、幾何学誘導型イベント・ツー・パノラマパイプラインで、エンドツーエンドで学習可能な光度再構成ステージを備える。
我々のフレームワークは,パイプライン全体の幾何学的マッピングから実球面座標を保存し,周波数領域の監視を兼ね備えた軽量な拡張モジュールを用いてイベント・イメージ領域のギャップを埋めるとともに,3次元位置埋め込みを用いた球面変換器を用いて光度再構成を行う。
合成データとキャプチャーローテーションスキャンの実験により, 純合成データによるトレーニングにもかかわらず, 取得プロトコル下での実際のキャプチャーへの転送を奨励すると共に, 再構成品質の向上と光度再構成コストの低減が図られた。
さらに、イベントストリームと組み合わせた4,370の合成と30の現実世界のパノラマシーンからなるデータセットであるPanoScanを構築した。
データセットとコードはリリースされます。
関連論文リスト
- ReefMapGS: Enabling Large-Scale Underwater Reconstruction by Closing the Loop Between Multimodal SLAM and Gaussian Splatting [9.554102334590365]
本稿では,3DGSをベースとした逐次再構築フレームワークReefMapGSを提案する。
複雑な地形を持つ2つの海底礁のCOLMAPフリーな3次元再構築と,700m以上の調査軌道上でのAUVのより正確なグローバルなポーズ推定について述べる。
論文 参考訳（メタデータ） (2026-04-13T19:32:53Z) - ReLi3D: Relightable Multi-view 3D Reconstruction with Disentangled Illumination [44.640886020982464]
ReLi3Dは、完全な3次元形状、空間的に変化する物理的素材、および環境光を1秒未満で再現する最初の統合エンドツーエンドパイプラインである。
提案手法の鍵となるのは,変換器のクロスコンディショニングアーキテクチャによるマルチビュー入力の融合である。
論文 参考訳（メタデータ） (2026-03-20T08:37:39Z) - NOVA3R: Non-pixel-aligned Visual Transformer for Amodal 3D Reconstruction [99.52487968452198]
NOVA3Rは、フィードフォワード方式で、未提示画像の集合から非画素アラインな3D再構成に有効なアプローチである。
重なり合う領域における重複構造の少ない物理的に可算な幾何学を生成する。
復元精度と完全性の観点から、最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2026-03-04T15:36:25Z) - Reflect3r: Single-View 3D Stereo Reconstruction Aided by Mirror Reflections [55.248092751290834]
ミラーリフレクションは日常の環境で一般的であり、単一のキャプチャ内でステレオ情報を提供することができる。
我々はこの特性を利用して、リフレクションを補助的な視点として扱い、物理的に有効な仮想カメラを構成する変換を設計する。
これにより、単一の画像から多視点ステレオ設定が可能となり、撮像プロセスが簡単になる。
論文 参考訳（メタデータ） (2025-09-24T23:00:22Z) - 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) - ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。
提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。
本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
論文 参考訳（メタデータ） (2023-12-05T18:59:58Z) - Learning Photometric Feature Transform for Free-form Object Scan [44.21941847090453]
本研究では,非構造化ビューから自動で測光データを収集・変換するフレームワークを提案する。
我々は手持ちスキャンから様々な挑戦対象の幾何学的および異方的反射を再構築するシステムを構築した。
結果はプロの3Dスキャナーと写真からの復元に対して検証され、最先端技術と好適に比較される。
論文 参考訳（メタデータ） (2023-08-07T11:34:27Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳（メタデータ） (2022-05-25T17:59:53Z) - MVSNeRF: Fast Generalizable Radiance Field Reconstruction from
Multi-View Stereo [52.329580781898116]
MVSNeRFは、ビュー合成のための神経放射場を効率的に再構築できる新しいニューラルレンダリング手法である。
高密度にキャプチャされた画像に対して,シーン毎の最適化を考慮に入れたニューラルネットワークの先行研究とは異なり,高速ネットワーク推論により,近傍の3つの入力ビューのみからラミアンスフィールドを再構成できる汎用ディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-29T13:15:23Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-27T21:28:54Z)
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。