論文の概要: Triangulation-Free Bundle Adjustment with Graduated Non-Convexity for Camera Pose Refinement from Coarse Priors

• arxiv url: http://arxiv.org/abs/2608.21008v1
• Date: Fri, 21 Aug 2026 11:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.51874
• Title: Triangulation-Free Bundle Adjustment with Graduated Non-Convexity for Camera Pose Refinement from Coarse Priors
• Title（参考訳）: 粗い先行品からのカメラポッドリファインメントの非凸性を考慮した三角形自由バンドル調整
• Abstract要約: ARフレームワークは、カジュアルな電話撮影に先立ってメトリクスをアタッチし、CPU上で安価にリコンストラクショングレードのポーズに変換することは、ノベルビュー合成のステップである。 ColMAPとプレシードバンドル調整は、シーン平均で15.55度から0.74度まで正確なARKitを分解する。 回復した425425は、32度/160mmで16度/80mm、32度/160mmで85%の部屋を走る。
• 参考スコア（独自算出の注目度）: 0.12183405753834557
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile AR frameworks attach a metric pose prior to every casual phone capture, and turning it into reconstruction-grade poses cheaply on CPU is the step before novel-view synthesis. The least a refiner owes an accurate prior is not to make it worse. The workhorse refiner does. On 15 ScanNet++ iPhone room captures, COLMAP triangulation plus prior-seeded bundle adjustment degrades an accurate ARKit prior in all 15, 0.55 degrees to 0.74 degrees by scene-mean. The cause is the seeding. Structure is triangulated from the prior before anything is optimized, so the prior's error is baked into the structure the optimizer trusts. We remove the triangulation. Every keypoint owns a scalar depth along its own back-projected ray and each match contributes two symmetric cross-projection residuals, so structure is re-expressed at every iterate. The same solve holds the room prior at 0.57 degrees and never fails in 330 perturbed room runs, and at object scale reaches 0.265 degrees/1.80 mm from a prior at 0.456 degrees in a median of 10 s per scene on one CPU, against 2.5 GPU-hours for a learned refiner. Because no structure is committed, the objective also admits graduated non-convexity, which measures how deep the defect goes. Classical refinement collapses past 1-2 degrees of prior error, barely beyond a real ARKit prior, and no classical refinement arm survives 32 degrees. Ours recovers 425 of 425 runs through 16 degrees/80 mm and 85% at 32 degrees/160 mm, and perturbed rooms through 32 degrees. Nominal object-scale accuracy is on par rather than better, on a benchmark at its own noise floor, where classical bundle adjustment is a strong baseline absent from the literature. One scene fails for every solver already at zero perturbation. Re-mapping from position priors matches us in the prior's frame but discards it, so it cannot exploit a prior worth keeping or be warm-started.
• Abstract（参考訳）: モバイルARフレームワークは、カジュアルな電話撮影に先立ってメトリクスのポーズをアタッチし、CPU上で安価にリコンストラクショングレードのポーズに変換することは、ノベルビュー合成のステップである。 精錬機が正確な事前を負うのは、それを悪化させることではない。 作業用馬の精錬機が行います。 15のScanNet++のiPhoneルームキャプチャでは、COLMAP三角測量とプレシードバンドル調整が、シーン平均で15.55度から0.74度まで、正確なARKitを分解する。 原因は種子である。 構造は、何かが最適化される前に前から三角測量されるので、前者のエラーはオプティマイザが信頼する構造に焼き込まれる。 私たちは三角測量を取り除きます。 各キーポイントは、自身の後方射影線に沿ってスカラー深さを所有し、各マッチは2つの対称な交差射影残差を寄与するので、各繰り返しで構造が再表現される。 同じ解法は、0.57度に先行し、330度の摂動ルームランで失敗することはなく、物体スケールでは、前者から0.265度/1.80mmに到達し、1CPUで1シーンあたり10秒の中央値で0.456度に達した。 構造がコミットされないため、目的は、欠陥の深さを測定する非凸性も認めている。 古典的な精細化は、実際のARKit以前の1-2度を超えて崩壊し、古典的な精細化アームは32度生き残らない。 425分の425は16度/80mmで、85%は32度/160mmで、摂動室は32度で回復します。 ノイズフロアのベンチマークでは、古典的なバンドル調整が文学から欠落している強いベースラインである。 1つのシーンは、既に摂動がゼロになっているすべてのソルバに対して失敗する。 位置からのリマッピングは、以前のフレームで私たちと一致しますが、それを破棄します。

関連論文リスト

• Beyond Argmax: A Mechanistic Study of Semantic Retention in Frozen Foundation-Model Composition for Generalized Few-Shot 3D Segmentation [0.0]
  異種情報源が相互作用する前に単一クラスに崩壊した場合に,意味情報がどの程度の有用性を失うかを検討する。 殆どの情報は、コンパクトな可算な代替品の集合を保持することによって回収される。 この寄与は、不均一な凍結モデル構成における繰り返し情報ボトルネックとして、未熟なセマンティック崩壊の制御された診断である。
  論文  参考訳（メタデータ） (2026-09-10T18:25:53Z)
• Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。 検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。 ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
  論文  参考訳（メタデータ） (2026-09-07T15:03:36Z)
• Can Scene Text Recognition Read Rare Compositions? [1.7844382164707184]
  6つの標準ベンチマークにおいて、シーンテキスト認識は89-97%正確であると報告され、その問題が飽和として広く扱われている。 私たちは代替の読書を提示する。 同じテスト画像が、基準コーパスに対して、接地的単語の規則性と文字n-gramの新規性によって共同で成層されると、結果の5x5グリッドのレアワードxレアトリグラムコーナーでの精度は、q3/q3センタより10〜18pt下方に低下する。
  論文  参考訳（メタデータ） (2026-09-01T07:16:42Z)
• SR-JEPA: Learning Predictive Latent State in 3D Scenes [8.534434711262909]
  SR-JEPAは、シーンスケールのポイントクラウドのためのポイントネイティブなJEPAである。 訓練は自己完結した3D EMAターゲットのみを使用する。 5,953個のARKitScenesオブジェクトでは、インプットされた潜伏語は43.13%のセマンティック・アイデンティティ・マクロ精度に達する。
  論文  参考訳（メタデータ） (2026-08-06T09:09:16Z)
• Wiring Beats Blending: What Transfers Between Transformer Sizes -- and What Doesn't [0.0]
  Wecharacterize the 1.4B->410M conversion in the Pythia family end to end。 重量の残留物は、ノイズアンダーシャッフル制御と統計的に区別できない。 補償は普遍的よりもトークン効率が高く低予算の勝利である。
  論文  参考訳（メタデータ） (2026-08-03T19:44:08Z)
• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• No Subspace to Track: Non-Identifiability and Optimizer State in Low-Rank Training [0.0]
  GaLoreのようなメモリ効率は、ランク-r部分空間に勾配を投影することで、大きな言語モデルを訓練する。 私たちは、小さな再現可能なコアを超えて、そのようなオブジェクトは存在しないことを示します。
  論文  参考訳（メタデータ） (2026-07-07T06:06:04Z)
• StructSplat: Generalizable 3D Gaussian Splatting from Uncalibrated Sparse Views [52.76639935264078]
  StructSplatはフィードフォワードと一般化可能な3Dガウス再構成フレームワークである。 私たちのキーとなる考え方は、再構成プロセスにおいて明確な役割を持つ幾何学、意味、テクスチャを整理する構造化された表現を採用することです。
  論文  参考訳（メタデータ） (2026-06-26T17:59:06Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Diagnosing Overhead in Dispatch Operations: Cross-architecture Observatory [1.081571058570587]
  AlltoAllのディスパッチは、MoEの専門家並列性の主要なボトルネックである。 ワークロードに関する2つの仮定をテストするために、DODOCOを導入します。 EPのスケーリングは、各アーキテクチャの計測可能な範囲内で、専門家ごとの最大/平均トークン比を5%以上変更する。
  論文  参考訳（メタデータ） (2026-05-20T10:14:00Z)
• End-to-End Spatial-Temporal Transformer for Real-time 4D HOI Reconstruction [74.31251139839047]
  THOは、ビデオと3Dテンプレートから、人間の動きと調整された物体の動きを前方に予測する、エンドツーエンドの空間-時間変換器である。 実験により、THOは1つの4090 GPU上で31.5 FPSの推論速度で動作し、以前の最適化ベースの手法よりも600倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2026-03-15T15:21:36Z)
• ZeroGS: Training 3D Gaussian Splatting from Unposed Images [62.34149221132978]
  我々はZeroGSを提案し、3DGSを何百もの未提示画像から訓練する。 本手法は,事前学習した基礎モデルをニューラルネットワークのシーン表現として活用する。 提案手法は,最先端のポーズレスNeRF/3DGS法よりも高精度なカメラポーズを復元する。
  論文  参考訳（メタデータ） (2024-11-24T11:20:48Z)

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。