論文の概要: OptiGeo: Efficient Monocular Geometry for Embodied Perception in Optically Challenging Scenes

• arxiv url: http://arxiv.org/abs/2608.29881v1
• Date: Sun, 30 Aug 2026 16:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.095631
• Title: OptiGeo: Efficient Monocular Geometry for Embodied Perception in Optically Challenging Scenes
• Title（参考訳）: OptiGeo:光学的提示シーンにおける身体知覚のための効率的な単眼計測
• Abstract要約: クリーンジオメトリの教師と残差トリミングアライメントを用いて,バイアスのある実監督を修復する,バイアス対応のトレーニングフレームワークであるOptiGeoを紹介する。 我々は、大きなドメイン固有の微調整セットではなく、クリーンな光学幾何学のコンパクトなソースとして透過目標レンダリングを再定義する。 わずか3000万のパラメータにもかかわらず、OptiGeoは3億のスケールのモノクラーモデルと数十億のスケールのマルチビューベースラインを透過的なベンチマークで上回っている。
• 参考スコア（独自算出の注目度）: 39.499881543259676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular depth estimation has achieved strong open-domain generalization, yet reliable robotic deployment remains difficult in transparent, reflective, and specular environments, where depth sensors often produce missing or biased depth. Existing methods often handle such optical failures with scene-specific preprocessing, auxiliary modules, or post-hoc fine-tuning. While effective in constrained settings, these designs increase architectural redundancy and can over-specialize general geometry models to narrow optical scenarios. We revisit this problem as a localized failure mode within base-model training and identify sensor-induced supervision bias as a key bottleneck: models inherit sensor failure patterns from biased real-depth supervision in optically challenging regions. We then introduce OptiGeo, a bias-aware training framework that rehabilitates biased real supervision using a clean-geometry teacher and residual-trimmed alignment. We redefine transparency-targeted rendering as a compact source of clean optical geometry, rather than a large domain-specific fine-tuning set. With only a small targeted rendering set, OptiGeo learns the geometric structure of transparent objects and regions, correcting local geometry distortions that real sensors cannot reliably supervise. Despite only 30M parameters, OptiGeo outperforms substantially larger 300M-scale monocular models and billion-scale multi-view baselines on transparent-scene benchmarks, while remaining competitive on general zero-shot depth and boundary sharpness. Real-world navigation cases further validate its practicality as an efficient perception module in optically challenging scenes.
• Abstract（参考訳）: 単眼深度推定は強力なオープンドメインの一般化を実現しているが、深度センサが欠落または偏りのある深度を生成する場合、透明で反射性があり、特異な環境では信頼性の高いロボット展開は難しいままである。 既存の方法は、シーン固有の前処理、補助モジュール、またはポストホック微調整でそのような光学的故障を扱うことが多い。 制約のある設定では有効であるが、これらの設計はアーキテクチャの冗長性を高め、一般的な幾何学モデルを狭義の光学的シナリオに過度に特殊化することができる。 本稿では,この問題をベースモデルトレーニングにおける局所的障害モードとして再考し,センサによる監視バイアスを重要なボトルネックとして認識する。 次に、クリーンジオメトリの教師と残留トリミングアライメントを用いて、バイアスのある実監督を修復するバイアス対応トレーニングフレームワークOptiGeoを紹介する。 我々は、大きなドメイン固有の微調整セットではなく、クリーンな光学幾何学のコンパクトなソースとして透過目標レンダリングを再定義する。 小さなターゲットのレンダリングセットだけで、OptiGeoは透明な物体や領域の幾何学的構造を学び、実際のセンサーが確実に監視できないような局所的な幾何学的歪みを補正する。 わずか3000万のパラメータにもかかわらず、OptiGeoは、一般的なゼロショット深度と境界シャープネスで競合しながらも、非常に大きな3Mスケールのモノクラーモデルと数十億スケールのマルチビューベースラインを上回っている。 現実世界のナビゲーションケースは、光学的に困難なシーンにおける効率的な知覚モジュールとしての実用性をさらに検証する。

関連論文リスト

• GIFT: Geometry-Invariant Fine-Tuning for Non-Lambertian Monocular Depth Estimation [13.01134597581607]
  パラメータ効率のよいポストトレーニングフレームワークであるGIFT(Geometry-Invariant Fine-Tuning)を提案する。 GIFTは、一般深度推定能力を保ちながら、非ランベルト深度幻覚を抑制するために幾何学的変化を利用する。 我々のベンチマークと独立した実世界のデータセットの実験は、GIFTが鏡や透明な物体の深さ予測を改善することを示した。
  論文  参考訳（メタデータ） (2026-08-03T11:10:53Z)
• VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation [59.44896676402453]
  VGP-Navは、テキスト・メトリック・アウェア・ビジュアル・ジオメトリック・パーセプションのための統合されたフレームワーク 単分子RGB入力にのみ依存し、メトリックローカライゼーションと障害物知覚を共同で支援する。 VGP-Navはモノクルスケールのあいまいさをオンラインで解決し、局所化基底の計量障害物表現を生成する。
  論文  参考訳（メタデータ） (2026-06-08T09:38:14Z)
• Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
  そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。 我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。 シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
  論文  参考訳（メタデータ） (2026-06-03T12:14:24Z)
• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• In Depth We Trust: Reliable Monocular Depth Supervision for Gaussian Splatting [22.674046124865196]
  幾何的監督にスケールあいまいでノイズの多い奥行きを取り入れたトレーニングフレームワークを導入する。 多様なデータセットに対する実験では、幾何精度が一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-04-07T11:15:15Z)
• PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
  PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。 本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:42Z)
• Geometry Meets Light: Leveraging Geometric Priors for Universal Photometric Stereo under Limited Multi-Illumination Cues [24.171649472398514]
  GeoUniPS(GeoUniPS)は、合成監督と高レベルの幾何学的先行性を統合する、普遍的な測光ステレオネットワークである。 空間的に異なる視野方向の学習を可能にするために,現実的な視点投影を伴うPS-Perpデータセットを提案する。
  論文  参考訳（メタデータ） (2025-11-17T06:14:38Z)
• Depth-Consistent 3D Gaussian Splatting via Physical Defocus Modeling and Multi-View Geometric Supervision [12.972772139292957]
  本稿では,フィールド深度監視と多視点整合性監視を統合した新しい計算フレームワークを提案する。 マルチビュー幾何学的制約でデフォーカス物理を統一することにより,最先端のPSNR法よりも0.8dBのPSNRを改良した深度忠実度を実現する。
  論文  参考訳（メタデータ） (2025-11-13T13:51:16Z)
• G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
  我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。 生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。 本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
  論文  参考訳（メタデータ） (2025-10-14T03:06:28Z)
• AlignDiff: Learning Physically-Grounded Camera Alignment via Diffusion [0.5277756703318045]
  本稿では,カメラ内在パラメータと外在パラメータをジェネリック・レイ・カメラ・モデルを用いて扱う新しいフレームワークを提案する。 従来のアプローチとは異なり、AlignDiffは意味論から幾何学的特徴へ焦点を移し、局所歪みのより正確なモデリングを可能にした。 実験により,提案手法は,推定光束の角誤差を8.2度,全体のキャリブレーション精度で著しく低減し,課題のある実世界のデータセットに対する既存手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-03-27T14:59:59Z)

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。