論文の概要: GS-CPE: Unified 6-Degree-of-Freedom Camera Pose Estimation via 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2608.10938v2
• Date: Tue, 18 Aug 2026 01:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 15:55:59.074197
• Title: GS-CPE: Unified 6-Degree-of-Freedom Camera Pose Estimation via 3D Gaussian Splatting
• Title（参考訳）: GS-CPE:3次元ガウス平滑化による6自由度カメラポーズ推定
• Abstract要約: 本研究では,6-DoFカメラポーズ推定のための粗大なフレームワークであるGS-CPE(Gaussian Splatting based Camera Pose Estimation)を紹介する。 室内および屋外ベンチマークの実験では、最先端のパフォーマンスを示し、精度と一般化の両方において一貫して優れていた。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite substantial progress in visual localization, from scene coordinate regression to direct camera pose regression, achieving both robust generalization and high accuracy remain challenging. This study introduces GS-CPE (Gaussian Splatting based Camera Pose Estimation), a coarse-to-fine framework for 6-DoF camera pose estimation that unifies geometry-based coarse pose estimation with robust 3D Gaussian Splatting (3DGS) warping based pose refinement. GS-CPE first estimates a coarse pose via retrieval-guided geometric pose estimation on a 3DGS scene representation, then refines it by minimizing a visibility aware masked RGB warping objective in a multi-scale optimization framework, with adaptive re-rendering. Extensive experiments on indoor and outdoor benchmarks including 7Scenes, Cambridge Landmarks, FAST-LIVO2 datasets, and a custom dataset demonstrate state-of-the-art performance, consistently outperforming in both accuracy and generalization.
• Abstract（参考訳）: シーン座標の回帰から直接カメラポーズの回帰まで、視覚的ローカライゼーションの大幅な進歩にもかかわらず、ロバストな一般化と高い精度を達成することは依然として困難である。 本研究では,6-DoFカメラポーズ推定のための粗いフレームワークであるGS-CPE(Gaussian Splatting based Camera Pose Estimation)を紹介する。 GS-CPEは、まず3DGSシーン表現に対して、検索誘導幾何ポーズ推定により粗いポーズを推定し、適応的再レンダリングにより、多スケールの最適化フレームワークにおいて、可視性認識マスク付きRGBワープ目標を最小化することにより、それを洗練する。 7Scenes、Cambridge Landmarks、FAST-LIVO2データセット、カスタムデータセットなど、屋内および屋外のベンチマークに関する大規模な実験は、最先端のパフォーマンスを示し、精度と一般化の両方で一貫して上回っている。

関連論文リスト

• EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
  EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。 提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
  論文  参考訳（メタデータ） (2026-08-09T09:00:30Z)
• iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
  iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。 NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2025-11-18T05:22:22Z)
• Camera Pose Refinement via 3D Gaussian Splatting [9.142303730601162]
  カメラポーズ補正は,3次元コンピュータビジョンにおける初期ポーズ推定の精度向上を目的としている。 3次元ガウススプラッティングを利用した新しいカメラポーズ改善フレームワーク(3DGS)を提案する。 本手法は,7シーンとケンブリッジ・ランドマークス・データセットの中央値翻訳と回転誤差を53.3%,56.9%削減する。
  論文  参考訳（メタデータ） (2025-08-25T10:29:59Z)
• PCR-GS: COLMAP-Free 3D Gaussian Splatting via Pose Co-Regularizations [102.0476991174456]
  COLMAPのない3DGSは、未ポーズの画像やビデオから高品質な3Dシーンを再構築する際、顕著なパフォーマンスのために注目を集めている。 PCR-GSはCOLMAPフリーな3DGS技術であり,カメラポーズによる3Dシーンモデリングとカメラポーズ推定を実現する。
  論文  参考訳（メタデータ） (2025-07-18T13:09:33Z)
• Pose-free 3D Gaussian splatting via shape-ray estimation [22.44197443080198]
  ポーズフリーでフィードフォワードのガウススプレイティングフレームワークであるSHAREを紹介する。 明示的な3D変換に頼る代わりに、SHAREはポーズ対応の標準ボリューム表現を構築する。 実世界の多様なデータセットに対する実験により,本手法が堅牢な性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-05-29T01:34:40Z)
• RGB-Only Gaussian Splatting SLAM for Unbounded Outdoor Scenes [12.150995604820443]
  3D Gaussian Splatting (3DGS) はSLAMにおいて高忠実性ノベルビューを生成するため、一般的なソリューションとなっている。 従来のGSベースの手法は主に屋内シーンをターゲットにしており、RGB-Dセンサーや事前訓練された深度推定モデルに依存している。 本稿では,RGBのみのガウススプラッティングSLAM法を提案する。
  論文  参考訳（メタデータ） (2025-02-21T18:02:31Z)
• FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
  FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。 当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。 包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
  論文  参考訳（メタデータ） (2024-12-12T18:52:53Z)
• 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)
• GS-CPR: Efficient Camera Pose Refinement via 3D Gaussian Splatting [25.780452115246245]
  本稿では,新しいテストタイムカメラ・ポーズ・リファインメント(CPR)フレームワーク,GS-CPRを提案する。 このフレームワークは、最先端の絶対ポーズ回帰とシーン座標回帰法の局所化精度を高める。 3DGSモデルは高品質な合成画像と深度マップを描画し、2D-3D対応の確立を容易にする。
  論文  参考訳（メタデータ） (2024-08-20T17:58:23Z)
• Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
  カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。 本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。 提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
  論文  参考訳（メタデータ） (2024-02-22T18:59:56Z)
• RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
  本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。 具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。 別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
  論文  参考訳（メタデータ） (2023-09-19T02:20:26Z)

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。