論文の概要: Scal3R: Learning Efficient Multi-Relative Pose Query for Scalable Online 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2609.04201v1
• Date: Thu, 03 Sep 2026 17:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.204022
• Title: Scal3R: Learning Efficient Multi-Relative Pose Query for Scalable Online 3D Reconstruction
• Title（参考訳）: Scal3R: スケーラブルなオンライン3D再構成のための学習効率のよいマルチ相対型Pose Query
• Abstract要約: Scal3Rは、オンライン再構築をマルチ参照相対的なポーズとして再構成する。 オンラインベースラインと比較して、KITTIの平均ATEを60%以上削減する。
• 参考スコア（独自算出の注目度）: 43.823514226720846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online 3D reconstruction models perform poorly on long videos. This happens because regressing poses relative to a fixed first-frame anchor forces extrapolation far beyond the training distribution. Small drifts accumulate and amplify into significant geometric collapse. However, we observe that per-frame depth remains stable throughout this failure. The backbone's local geometry remains intact; only the global pose head breaks down. Motivated by this decoupling, we introduce Scal3R. This approach reformulates online reconstruction as multi-reference relative pose querying. We use lightweight learnable tokens, which make up about ~1% of the parameters, and inject them into a completely frozen backbone via asymmetric attention. This setup queries poses relative to multiple past keyframes. An online pose-graph optimization system with loop closure suppresses long-range drift. Scal3R reaches convergence in 8 hours on a single GPU. It reduces the average ATE by over 60% on KITTI compared to the online baseline. It also achieves state-of-the-art performance across Virtual KITTI, Sintel, TUM-Dynamic, ScanNet, and 7-Scenes. Project page: https://linjohnss.github.io/scal3r/
• Abstract（参考訳）: オンライン3D再構成モデルは、長いビデオではパフォーマンスが良くない。 これは、トレーニング分布をはるかに超えた固定された1フレームアンカーに対して、回帰ポーズが相対的に作用するためである。 小さな漂流は蓄積し、大きな幾何学的崩壊へと増幅する。 しかし、この失敗の間、フレームごとの深さは安定したままである。 バックボーンの局所的な形状はそのままであり、グローバルなポーズヘッドのみが壊れる。 この分離に動機づけられたScal3Rを紹介する。 このアプローチは、複数参照の相対的なポーズクエリとして、オンライン再構築を再構成する。 パラメータの約1%を構成する軽量な学習可能なトークンを使用し、非対称な注意によって完全に凍結されたバックボーンにそれらを注入します。 この設定クエリは、過去の複数のキーフレームに対してポーズします。 ループ閉鎖を伴うオンラインポーズグラフ最適化システムは、長距離ドリフトを抑制する。 Scal3Rは1つのGPU上で8時間で収束する。 オンラインベースラインと比較して、KITTIの平均ATEを60%以上削減する。 また、Virtual KITTI、Sintel、TUM-Dynamic、ScanNet、および7-Scenesで最先端のパフォーマンスを達成する。 プロジェクトページ: https://linjohns.github.io/scal3r/

関連論文リスト

• $R^3$: 3D Reconstruction via Relative Regression [45.709068651036795]
  R3$は、フルコンテキストのオフライン再構築と因果的、バウンドメモリストリーミングの両方をサポートする。 オフラインとストリーミングの両方の設定における評価は、我々の相対的なメカニズムの有効性を検証する。
  論文  参考訳（メタデータ） (2026-05-26T04:03:38Z)
• Amortized Inverse Kinematics via Graph Attention for Real-Time Human Avatar Animation [16.714345824701386]
  逆キネマティクス(英: Inverse Kiinematics)は、アニメーション、ロボティクス、バイオメカニクスにおける中心的な操作である。 IK-GATは1つの前方パスで3次元関節位置から全体関節方向を再構築する軽量グラフアテンションネットワークである。 IK-GATはアニメーション対応のローカルローテーションを製作し、リグされたアバターを直接駆動したりSMPLのようなボディモデルのパラメーターに変換することができる。
  論文  参考訳（メタデータ） (2026-04-17T18:30:20Z)
• Free Geometry: Refining 3D Reconstruction from Longer Versions of Itself [38.95274911975506]
  Free Geometryは、フィードフォワードの3D再構成モデルが3D基底の真理なしにテスト時に自己進化することを可能にするフレームワークである。 当社のアプローチは、4つのベンチマークデータセットにまたがって、Depth Anything 3やVGGTといった最先端の基礎モデルを継続的に改善しています。
  論文  参考訳（メタデータ） (2026-04-15T16:24:03Z)
• Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction [50.5449251266956]
  本稿では,長い映像シーケンスから大規模3Dシーンを再構築する作業について述べる。 近年のフィードフォワード再構成モデルでは,RGB画像からの3次元幾何を,明示的な3次元先行や幾何学的制約なく直接回帰することで,有望な結果を示している。 本稿では,長距離シーン情報を効率よく圧縮し,保持するニューラルグローバルコンテキスト表現を提案する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:50Z)
• Fin3R: Fine-tuning Feed-forward 3D Reconstruction Models via Monocular Knowledge Distillation [16.22677555146353]
  Fin3Rはフィードフォワード3次元再構成モデルのためのシンプルで効果的で汎用的な微調整法である。 DUSt3R, MASt3R, CUT3R, VGGT など幅広いモデルで本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-11-27T13:10:19Z)
• Gamba: Marry Gaussian Splatting with Mamba for single view 3D reconstruction [153.52406455209538]
  Gambaは、単一のビューイメージからエンドツーエンドの3D再構成モデルである。 1つのNVIDIA A100 GPUで0.05秒以内に再構築が完了する。
  論文  参考訳（メタデータ） (2024-03-27T17:40:14Z)
• PF-LRM: Pose-Free Large Reconstruction Model for Joint Pose and Shape Prediction [77.89935657608926]
  画像から3Dオブジェクトを再構成するためのPF-LRM(Pose-Free Large Restruction Model)を提案する。 PF-LRMは1つのA100 GPU上で1.3秒で相対カメラのポーズを同時に推定する。
  論文  参考訳（メタデータ） (2023-11-20T18:57:55Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• Back to the Feature: Learning Robust Camera Localization from Pixels to Pose [114.89389528198738]
  画像と3Dモデルから正確な6-DoFのポーズを推定するシーンに依存しないニューラルネットワークPixLocを導入する。 このシステムは、粗いポーズ前の大きな環境でもローカライズできるが、スパース特徴マッチングの精度も向上する。
  論文  参考訳（メタデータ） (2021-03-16T17:40:12Z)

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。