Fugu-MT 論文翻訳(概要): Initialization-Free Bundle Adjustment Revisited: A Controlled Experimental Study

論文の概要: Initialization-Free Bundle Adjustment Revisited: A Controlled Experimental Study

arxiv url: http://arxiv.org/abs/2608.18028v1
Date: Tue, 18 Aug 2026 17:23:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 21:40:53.414733
Title: Initialization-Free Bundle Adjustment Revisited: A Controlled Experimental Study
Title（参考訳）: 初期化自由バンドル調整の再検討 : 制御された実験的研究
Abstract要約: 初期化自由バンドル調整(InitFree BA)は、画像観察から直接カメラポーズとシーン構造を復元することを目的としている。オブジェクト空間誤差(OSE)の定式化と可変射影(VarPro)に基づく最近の手法は、ランダムカメラ構成からの最適化挙動を奨励している。我々は,既存のOSE定式化のC++実装とBlenderベースのデータセット生成器を組み合わせた統一評価フレームワークにより,InitFree BAを実験的に再検討する。
参考スコア（独自算出の注目度）: 55.50399455527231
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Initialization-free bundle adjustment (InitFree BA) aims to recover camera poses and scene structure directly from image observations, avoiding the geometric initialization stages of conventional structure-from-motion pipelines. Recent methods based on Object-Space Error (OSE) formulations and Variable Projection (VarPro) show encouraging optimization behavior from random camera configurations. However, existing evaluations primarily measure optimization success, leaving unclear whether a low OSE objective yields a valid metric 3D reconstruction. We revisit InitFree BA experimentally through a unified evaluation framework combining a C++ implementation of existing OSE formulations with a Blender-based dataset generator providing exact ground truth and controlled camera configurations and observation densities. Our experiments reveal a previously overlooked optimization--reconstruction gap: projective solutions with similarly low OSE values can lead to substantially different Euclidean reconstructions after metric upgrade. We identify initialization priors, landmark observation density, and metric-upgrade stability as key factors governing reconstruction success. Overall, our results suggest that the main challenge of InitFree BA is not merely minimizing OSE objectives, but obtaining projective reconstructions that admit reliable metric upgrade. We believe that the proposed benchmark, implementation, and analysis establish stronger experimental foundations for future research on initialization-free bundle adjustment, a problem largely unexplored within the computer vision community. Project page is available at https://github.com/simonwebertum/InitFreeBA.git.
Abstract（参考訳）: 初期化自由バンドル調整(InitFree BA)は、カメラのポーズやシーン構造を画像観察から直接復元することを目的としており、従来の構造からのパイプラインの幾何学的初期化段階を回避することを目的としている。オブジェクト空間誤差(OSE)の定式化と可変射影(VarPro)に基づく最近の手法は、ランダムカメラ構成からの最適化挙動を奨励している。しかし、既存の評価は主に最適化の成功を測るものであり、OSEの低い目標が有効な3D再構成をもたらすかどうかは不明である。我々は、既存のOSE定式化のC++実装とBlenderベースのデータセット生成器を組み合わせて、InitFree BAを統一的な評価フレームワークにより実験的に再検討する。同様に低いOSE値を持つ射影解は、メートル法アップグレード後のユークリッド再構成に大きく異なる結果をもたらす可能性がある。再建成功の鍵となる要因は,初期化前兆,目覚しい観測密度,メートル法更新安定性である。全体として、InitFree BAの主な課題はOSEの目的を最小化することではなく、信頼性の高いメートル法アップグレードを許容する投影的再構築を得ることである。提案するベンチマーク,実装,解析は,コンピュータビジョンのコミュニティでほとんど探索されていない初期化自由バンドル調整に関する今後の研究のための,より強力な実験基盤を確立できると考えている。プロジェクトページはhttps://github.com/simonwebertum/InitFreeBA.gitで公開されている。

関連論文リスト

Confidence matters: Leveraging Multi-view Geometric Priors for GS-based Reconstruction [28.891336184070223]
3D Gaussian splatting (3DGS)は、新しいビュー合成のための広く使われているツールとして登場し、スパース表現のリアルタイムレンダリングを提供している。本研究では,3DGSフレームワークへの幾何学的先行情報,予測正規および深度マップの形での統合について検討し,再現性の向上を図る。
論文参考訳（メタデータ） (2026-08-06T14:50:29Z)
DeepBias: Adaptive In-depth Probing of Social Biases in LVLMs [71.85279836937578]
我々は、注意深く設計されたエージェントを用いたLVLMにおける社会バイアスの奥行き探索のための適応的フレームワークDeepBiasを紹介する。私たちは、私たちのフレームワークを使ってDeepBiasBenchという名のベンチマークを構築します。5つの異なる最先端のLVLMをアンカーとして使用することで、このベンチマークはアーキテクチャ間で共有される脆弱性をキャプチャします。
論文参考訳（メタデータ） (2026-07-13T08:19:09Z)
Evaluation-driven Scaling for Scientific Discovery [77.20820317940581]
並列探索,フィードバック駆動の洗練,局所選択を組み合わせた,シンプルなテスト時間評価駆動スケーリング(SimpleTES)を紹介した。適切な次元に沿って評価駆動の発見ループをスケールすることで、かなりの利益が得られます。本研究は, 科学的発見を進展させる中心軸として, 効果的な評価駆動型ループスケーリングを確立した。
論文参考訳（メタデータ） (2026-04-21T11:24:09Z)
OUGS: Active View Selection via Object-aware Uncertainty Estimation in 3DGS [14.124481717283544]
OUGSは3DGSの原則的、物理的に根拠のある不確実性定式化である。我々の中心となる革新は、3Dガウス原始体の明示的な物理的パラメータから直接不確実性を引き出すことである。この基盤により、セマンティックセグメンテーションマスクをシームレスに統合し、ターゲットとするオブジェクト認識の不確実性スコアを生成することができる。
論文参考訳（メタデータ） (2025-11-12T15:08:46Z)
Towards Initialization-free Calibrated Bundle Adjustment [8.698137120086065]
本稿では、既知のカメラキャリブレーションを利用して、近距離距離の解を生成できる手法を提案する。本手法は,pOSEフレームワークに回転平均化を組み込むことが可能である。
論文参考訳（メタデータ） (2025-06-30T12:55:44Z)
Improving Monocular Visual-Inertial Initialization with Structureless Visual-Inertial Bundle Adjustment [0.36868085124383626]
そこで我々は, 従来の構造のない解をさらに洗練するために, 構造のない視覚-慣性バンドルの調整を提案する。実世界のデータセットを用いた実験により,実時間性能を維持しつつ,VIOの初期化精度を大幅に向上することが示された。
論文参考訳（メタデータ） (2025-02-23T14:55:40Z)
UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
論文参考訳（メタデータ） (2024-11-25T05:36:00Z)
Power Variable Projection for Initialization-Free Large-Scale Bundle Adjustment [39.997922776362174]
小型のバンドル調整問題を解決するために,電力可変射影(PoVar)を導入する。提案手法は, 精度, 速度, 精度の両面から, 最先端の結果が得られたことを実験的に実証する。
論文参考訳（メタデータ） (2024-05-08T14:22:39Z)
Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文参考訳（メタデータ） (2023-01-28T01:57:57Z)
Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-29T21:41:31Z)

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。