論文の概要: Sparse Light Field Sampling Improves Casual 3D and 4D Reconstruction

• arxiv url: http://arxiv.org/abs/2608.20602v1
• Date: Thu, 20 Aug 2026 22:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.258941
• Title: Sparse Light Field Sampling Improves Casual 3D and 4D Reconstruction
• Title（参考訳）: スパース電界サンプリングによる3次元および4次元再構成の改善
• Abstract要約: 我々は,空間分解能と角分解能の交換を行うセンサ限定マルチビューと,複数のセンサが同時に各イベントを観測する露光限定マルチビューを解析した。 以上の結果から,低ベースラインでも複数カメラを使用することで,シングルショット,少数ショット,カジュアルなビデオ設定における再構成品質が大幅に向上することが示唆された。
• 参考スコア（独自算出の注目度）: 4.64582995269637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many consumer smartphones, stereo cameras, and light field cameras record multiple synchronized viewpoints in a single exposure event. However, novel view synthesis pipelines commonly use only a monocular stream and rely on camera motion or learned priors to obtain angular coverage. In this paper, we ask: why do we use only one viewpoint? We analyze sensor-limited multi-view, where one sensor trades off spatial and angular resolution, and exposure-limited multi-view, where multiple sensors on one commodity device observe each event simultaneously. We introduce a new dataset incorporating three types of commodity multi-view cameras, and evaluate sparse-view 3DGS and 4DGS baselines measuring reconstruction quality as a function of number of exposures and angle between extreme views. Our results demonstrate that using multiple cameras, even with a low baseline, significantly improves reconstruction quality in single-shot, few-shot, and casual video settings. In addition, under a fixed sensor budget, angular sampling improves reconstruction when exposures are scarce despite lower spatial resolution. The gains are most pronounced for single-shot and dynamic scenes, where a stationary monocular camera lacks the angular diversity to recover scene geometry and motion.
• Abstract（参考訳）: 多くの消費者向けスマートフォン、ステレオカメラ、光界カメラは、単一の露光イベントで複数の同期された視点を記録している。 しかし、新しいビュー合成パイプラインは、通常、単分子ストリームのみを使用し、カメラの動きに依存するか、あるいは角のカバレッジを得るために事前学習する。 この論文では、なぜ一つの視点しか使わないのか? 本研究では,空間分解能と角分解能の交換を行うセンサ限定マルチビューと,1つのコモディティデバイス上の複数のセンサを同時に観測する露光限定マルチビューを解析した。 3種類のコモディティ・マルチビューカメラを取り入れた新しいデータセットを導入し、極端視点間の露出数と角度の関数として、再構成品質を計測するスパースビュー3DGSと4DGSベースラインを評価した。 以上の結果から,低ベースラインでも複数カメラを使用することで,シングルショット,少数ショット,カジュアルなビデオ設定における再構成品質が大幅に向上することが示唆された。 また、固定センサ予算の下では、空間分解能が低いにもかかわらず露出が少ない場合、角度サンプリングにより再現性が向上する。 静止単眼カメラは、シーンの形状や動きを回復するための角の多様性を欠いている。

関連論文リスト

• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• ReX-Shot: Single-Image Rephotography via Geometry- and Camera-Grounded Generation [77.23728599741166]
  単一画像の再撮影は、特定の視点、焦点距離、写真効果を持つ単一の参照画像からシーンの新しいショットを合成することを目的としている。 既存の方法は、これらの要因を別々に扱い、共同制御の下で苦労する。 ReX-Shotは、単一の画像から視点、焦点距離、パラメータ化された写真効果を共同制御する最初の統一されたフレームワークである。
  論文  参考訳（メタデータ） (2026-08-19T06:34:20Z)
• 4D Reconstruction from Sparse Dynamic Cameras [32.72043828725801]
  我々は、少数のカメラが同じ被写体を撮影する、スパース・ダイナミック・カメラ・セットアップ(sparse dynamic camera set)という別の実用的な方法に焦点を当てている。 このセットアップは多視点制約を導入し、スポーツ、コンサート、テレビ番組などの実世界のビデオ制作に実用的であり続けている。 LetCamsGoは、3台の独立して動くカメラと1台の固定カメラによって記録された4つの異なる環境に5つのシーケンスが並んだ、新しい現実世界のビデオデータセットである。
  論文  参考訳（メタデータ） (2026-06-03T08:31:43Z)
• CalibAnyView: Beyond Single-View Camera Calibration in the Wild [59.66873936532375]
  カメラキャリブレーションは、信頼性の高い幾何学的知覚の基本的な前提条件である。 近年の学習に基づく手法では、単一ビューの校正には有望な結果が得られたが、本質的に複数のビューにまたがる幾何的整合性は無視されている。 任意の数の入力ビューをサポートする統一的な定式化であるCalibAnyViewを紹介します。
  論文  参考訳（メタデータ） (2026-05-14T09:32:12Z)
• DP-SfM: Dual-Pixel Structure-from-Motion without Scale Ambiguity [25.991973883422677]
  マルチビュー3D再構成は、シーンに既知の大きさの参照オブジェクトが存在しない限り、未知のスケールの曖昧さに悩まされる。 デュアルピクセル(DP)センサを用いて撮像したマルチビュー画像は,そのスケールのあいまいさを自動的に解消できることを示す。
  論文  参考訳（メタデータ） (2026-05-03T12:45:17Z)
• DUSt3R: Geometric 3D Vision Made Easy [8.471330244002564]
  Dense and Unconstrained Stereo 3D Reconstruction of arbitrary image collections。 本定式化は単眼および両眼の再建症例を円滑に統一することを示す。 私たちの定式化はシーンの3Dモデルと深度情報を直接提供しますが、興味深いことに、シームレスに回復できます。
  論文  参考訳（メタデータ） (2023-12-21T18:52:14Z)
• Dense Voxel 3D Reconstruction Using a Monocular Event Camera [5.599072208069752]
  イベントカメラは、従来のフレームベースのカメラよりも多くの利点がある。 それらのVRアプリケーションのための3D再構成の応用は、あまり研究されていない。 単一イベントカメラのみを用いた高密度3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:46:57Z)
• Replay: Multi-modal Multi-view Acted Videos for Casual Holography [76.49914880351167]
  Replayは、社会的に対話する人間のマルチビュー、マルチモーダルビデオのコレクションである。 全体として、データセットには4000分以上の映像と700万のタイムスタンプ付き高解像度フレームが含まれている。 Replayデータセットには、新規ビュー合成、3D再構成、新規ビュー音響合成、人体と顔の分析、生成モデルの訓練など、多くの潜在的な応用がある。
  論文  参考訳（メタデータ） (2023-07-22T12:24:07Z)
• SPARF: Neural Radiance Fields from Sparse and Noisy Poses [58.528358231885846]
  SPARF(Sparse Pose Adjusting Radiance Field)を導入し,新規な視点合成の課題に対処する。 提案手法は、NeRFを共同学習し、カメラのポーズを洗練するために、多視点幾何学的制約を利用する。
  論文  参考訳（メタデータ） (2022-11-21T18:57:47Z)
• Multi-Event-Camera Depth Estimation and Outlier Rejection by Refocused Events Fusion [14.15744053080529]
  イベントカメラはバイオインスパイアされたセンサーで、従来のカメラよりも有利だ。 SLAMにおけるイベントベースステレオ3D再構成の課題に対処する。 我々は融合理論を開発し、それをマルチカメラ3D再構成アルゴリズムの設計に適用する。
  論文  参考訳（メタデータ） (2022-07-21T14:19:39Z)
• MetaPose: Fast 3D Pose from Multiple Views without 3D Supervision [72.5863451123577]
  正確な3Dポーズとカメラ推定が可能なニューラルモデルをトレーニングする方法を示す。 本手法は,古典的バンドル調整と弱教師付き単分子3Dベースラインの両方に優れる。
  論文  参考訳（メタデータ） (2021-08-10T18:39:56Z)

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。