論文の概要: Look Up and Look Back: Hidden Attention and Latent Orientation in a Frozen Foundation Model for Panoramic SLAM
- arxiv url: http://arxiv.org/abs/2608.00925v1
- Date: Sun, 02 Aug 2026 01:33:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.025658
- Title: Look Up and Look Back: Hidden Attention and Latent Orientation in a Frozen Foundation Model for Panoramic SLAM
- Title（参考訳）: 振り返って - パノラマSLAMのための凍結基礎モデルにおける隠れ注意と潜行方向
- Abstract要約: 単眼パノラマSLAMは、大きなカメラ回転の下でかなりの視覚的オーバーラップの恩恵を受けるが、カメラの傾き、スケールドリフト、偽ループ閉鎖によるエラーが生じる傾向にある。
凍結したパノラマ幾何学基礎モデルが、その明示的な幾何学的出力を超えて有用な内部手がかりを提供することを示す。
重力読み出しは、IMUのない球状直立正準化を可能にする。
- 参考スコア（独自算出の注目度）: 26.875476508455517
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Monocular panoramic SLAM benefits from substantial visual overlap under large camera rotations, yet remains prone to errors caused by camera tilt, scale drift, and false loop closures. We show that a frozen panoramic geometry foundation model provides useful internal cues beyond its explicit geometric outputs: intermediate tokens encode gravity in the camera frame, while cross-view attention provides a compatibility cue for potential revisits. Building on these cues, we present HALO-SLAM. A gravity readout enables IMU-free spherical upright canonicalization. For loop closure, we introduce a cost-aware three-stage cascade combining DBoW2 event-level retrieval, attention-based compatibility filtering, and dense geometric validation through symmetric submap augmentation. Accepted revisits yield pixel-aligned 3D--3D correspondences in both local gauges, from which robust $\mathrm{Sim}(3)$ constraints are estimated and jointly optimized with sequential constraints in a global pose graph. Across 125 sequences from five real-world panoramic benchmarks, our method achieves \textbf{100\%} sequence success (\textbf{125/125}) under the stated criterion and the lowest ATE among the evaluated methods on all five benchmarks, reducing ATE by \textbf{30--88\%} relative to the best ERP-native baseline on each benchmark.
- Abstract（参考訳）: 単眼パノラマSLAMは、大きなカメラ回転の下でかなりの視覚的オーバーラップの恩恵を受けるが、カメラの傾き、スケールドリフト、偽ループ閉鎖によるエラーが生じる傾向にある。
我々は,凍結したパノラマ幾何学基礎モデルが,カメラフレーム内の重力を符号化する中間トークンや,潜在的再検討のための相互参照キューなど,明示的な幾何学的出力以上の有用な内部手がかりを提供することを示した。
HALO-SLAMについて述べる。
重力読み出しは、IMUのない球状直立正準化を可能にする。
ループ閉鎖には,DBoW2イベントレベル検索,アテンションベース互換性フィルタリング,対称部分マップ拡張による密度幾何検証を組み合わせたコスト対応の3段階カスケードを導入する。
入力された再編集は、両方の局所ゲージにおいてピクセル整列した3D--3D対応を生じさせ、そこからロバスト$\mathrm{Sim}(3)$制約を推定し、グローバルポーズグラフの逐次制約と共同最適化する。
本手法は,5つの実世界のパノラマベンチマークから125のシークエンスに対して,各ベンチマークで最高のERP-ネイティブベースラインに対して,評価された5つのベンチマークで評価されたメソッドのうち,最も低いATEの基準の下で,‘textbf{100\%} シークエンス成功(\textbf{125/125})を達成した。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - Self-Geometry: GT-Free and Plug-and-Play Test-Time Adaptation for Geometrically Consistent 3D Vision Foundation Models [12.061080782435013]
最近のビジョンファウンデーションモデル(VFM)は、シーンごとの最適化なしに、単一の前方パスで深さ、カメラポーズ、ポイントマップを予測する。
明示的な多視点幾何学的整合性(例えば束調整など)を強制することは、計算コストがかかるため、VFM事前訓練では課されない。
本研究では,2次元画素対応を擬似接地構造として用いた明示的な多視点幾何制約を直接課す,プラグアンドプレイテスト時適応パイプラインであるセルフジオメトリを提案する。
論文 参考訳（メタデータ） (2026-08-11T09:28:50Z) - Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - 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) - Glob3R: Global Structure-from-Motion with 3D Foundation Models [44.33296410481359]
Glob3Rは3Dファウンデーションモデルに基づいて構築されたグローバルなSfMスタイルの再構築である。
私たちのキーとなるアイデアは、フィードフォワード幾何学的予測を明示的に最適化することです。
屋内、屋外、大規模運転、および非秩序なSfMベンチマークの実験は、Glob3Rが堅牢で正確な再構築を実現することを示した。
論文 参考訳（メタデータ） (2026-07-10T09:18:35Z) - Pose Anything Anywhere:Model-free Object Poses from Arbitrary References [64.58017857473774]
RGBとRGB-Dの両方の入力をシームレスにサポートするモデルフリーフレームワークであるPANYを提案する。
1つまたはスパースなポーズフリー参照ビューで動作し、新しいオブジェクトに効果的に一般化する。
複数のベンチマークで最先端のパフォーマンスを実現し、既存のモデルフリーメソッドを大幅に上回っている。
論文 参考訳（メタデータ） (2026-06-22T17:23:57Z) - Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳（メタデータ） (2026-06-11T17:48:38Z) - GLASS: Graph and Vision-Language Assisted Semantic Shape Correspondence [16.503835991826367]
GLASSは、幾何学的スペクトル分析と、視覚言語基礎モデルからのリッチなセマンティック先行情報を統合することでギャップを埋めるフレームワークである。
i) 強力なビジョン基盤モデルから堅牢な多視点視覚特徴抽出を可能にするビュー一貫性戦略。
クラス間ベンチマークSMALと非等尺ベンチマークSMALとTOPKIDSの平均測地誤差は0.21、4.5、および5.6であり、それぞれ0.49、6.0、8.9のURSSMベースラインからの誤差を57%、25%、および37%削減している。
論文 参考訳（メタデータ） (2026-03-08T14:33:50Z) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。
既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。
ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
論文 参考訳（メタデータ） (2025-07-04T04:46:59Z) - StableGS: A Floater-Free Framework for 3D Gaussian Splatting [9.935869165752283]
3D Gaussian Splatting(3DGS)の復元は、その幾何学的および視覚的忠実さを低下させるスタバボーンフローター(stbborn floater)のアーティファクトに悩まされている。
最終的な外観レンダリングから幾何正規化を分離する新しいフレームワークであるStableGSを提案する。
複数のベンチマークの実験では、StableGSはフローターを除去するだけでなく、一般的なぼやけたアーチファクトのトレードオフも解決している。
論文 参考訳（メタデータ） (2025-03-24T09:02:51Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z)
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。