論文の概要: Spectral Consistency-Guided Multiview Point Cloud Registration for Low-Overlap Scenes

• arxiv url: http://arxiv.org/abs/2609.12417v1
• Date: Fri, 11 Sep 2026 04:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.618815
• Title: Spectral Consistency-Guided Multiview Point Cloud Registration for Low-Overlap Scenes
• Title（参考訳）: 低オーバーラップシーンのためのスペクトル一貫性誘導多視点クラウドレジストレーション
• Abstract要約: 我々は,効率的なマルチビューポイントクラウド登録のための非学習ベースのフレームワークであるGMPCRを提案する。 初期対応から改良された2階互換構造を構築し、その支配的なスペクトル応答を用いて、対応信頼性とスキャン対信頼性の両方を評価する。 3DMatch, 3DLoMatch, ScanNet, ETHの実験はGMPCRの有効性を示した。
• 参考スコア（独自算出の注目度）: 10.39937039338342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiview point cloud registration is particularly challenging in low-overlap scenes, where reliable correspondences are limited and incorrect pairwise transformations can affect global pose estimation. In addition, registering all scan pairs is computationally expensive because many pairs provide weak geometric information. To address these problems, we propose GMPCR, a non-learning-based spectral consistency-guided framework for efficient and robust multiview point cloud registration. GMPCR builds a refined second-order compatibility structure from initial correspondences and uses its dominant spectral response to evaluate both correspondence reliability and scan-pair confidence. This allows unreliable correspondences to be filtered and informative scan pairs to be selected before relative transformation estimation, leading to a sparse pose graph and reduced pairwise registration cost. For each retained scan pair, maximal-clique-based hypothesis generation is used to estimate reliable relative transformations. The resulting pose graph is further refined by an adaptive history-aware synchronization scheme, in which the effect of residual history is adjusted according to changes in the global rotation residual. A recovery mechanism also allows down-weighted edges to regain confidence when their global consistency improves. Experiments on 3DMatch, 3DLoMatch, ScanNet, and ETH demonstrate the effectiveness of GMPCR. It achieves registration recalls of 97.2% and 89.6% on 3DMatch and 3DLoMatch, respectively, while maintaining competitive performance on ScanNet and ETH. The results show that GMPCR provides a favorable balance among registration accuracy, robustness to low overlap, and computational efficiency. The code is publicly available at https://github.com/swccj/gmpcr.
• Abstract（参考訳）: マルチビューポイントクラウドの登録は、信頼性の高い対応が制限され、不正確なペアワイズ変換がグローバルなポーズ推定に影響を及ぼすような、低オーバーラップのシーンでは特に困難である。 さらに、全てのスキャンペアの登録は、多くのペアが弱い幾何学的情報を提供するため、計算コストがかかる。 これらの問題に対処するために,GMPCRを提案する。これは,効率的な,堅牢なマルチビューポイントクラウド登録のための,非学習ベースのスペクトル整合性誘導フレームワークである。 GMPCRは、初期対応から洗練された2次互換構造を構築し、その支配的なスペクトル応答を用いて、対応信頼性とスキャン対信頼性の両方を評価する。 これにより、相対変換推定の前に信頼できない対応をフィルタリングし、情報的スキャンペアを選択でき、スパースポーズグラフとペア登録コストの削減につながる。 保持されたスキャンペアごとに、最大傾きに基づく仮説生成を用いて信頼性のある相対変換を推定する。 得られたポーズグラフは、グローバルな回転残差の変化に応じて残史の影響を調整する適応的履歴認識同期スキームによってさらに洗練される。 また、リカバリ機構により、グローバルな一貫性が向上すると、下降したエッジが信頼を取り戻すことができる。 3DMatch, 3DLoMatch, ScanNet, ETHの実験はGMPCRの有効性を示した。 3DMatchと3DLoMatchの登録リコールは97.2%と89.6%で、ScanNetとETHの競争力を維持している。 その結果,GMPCRは登録精度,低重複性に対する堅牢性,計算効率のバランスが良好であることが示唆された。 コードはhttps://github.com/swccj/gmpcr.comで公開されている。

関連論文リスト

• A Step Towards Robust Unsupervised Domain Adaptation via Fine-Tuning and Reinforcement Learning [2.436631469537453]
  我々は,2段階の堅牢なUDAフレームワークである textbfSFT+RL を提案し,Supervised Fine Tuning と Reinforcement Learning を統合した。 textbfSFT+RLは、清潔な精度で textbf10.2% を平均的に改善し、textbf15.8% を3つのデータセットで比較した。
  論文  参考訳（メタデータ） (2026-07-03T20:56:12Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• DC-Reg: Globally Optimal Point Cloud Registration via Tight Bounding with Difference of Convex Programming [43.06401929828342]
  我々は,グローバルに最適なポイント登録インタフェースを実現するための新しいフレームワークを開発した。 その結果, 極端雑音への収束が著しく速くなり, 極端雑音へのアウトリー・オブ・ザ・アートのグローバル化が可能となった。
  論文  参考訳（メタデータ） (2026-03-26T13:38:45Z)
• FUSER: Feed-Forward MUltiview 3D Registration Transformer and SE(3)$^N$ Diffusion Refinement [39.19949818461193]
  Fは、全てのスキャンを統一されたコンパクトな潜在空間で処理する最初のフィードフォワードマルチビュー登録変換器である。 F はペアワイズ推定なしでグローバルなポーズを予測する。 3DMatch, ScanNet, ArkitScenesの実験により, 本手法が優れた登録精度と優れた計算効率を実現することを示す。
  論文  参考訳（メタデータ） (2025-12-10T07:11:22Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Robust Partial 3D Point Cloud Registration via Confidence Estimation under Global Context [12.216399037814012]
  部分点雲の登録は、自律認識と3Dシーン理解に不可欠である。 我々は,ロバストな部分的3次元登録のための統一的信頼性駆動型フレームワークであるCEGC(Global Context)に基づく信頼度推定を提案する。 CEGCは、共有グローバルコンテキスト内で重なり合う信頼性と対応信頼性を共同でモデル化することにより、複雑なシーンの正確なアライメントを可能にする。
  論文  参考訳（メタデータ） (2025-09-29T04:36:55Z)
• Cross3DReg: Towards a Large-scale Real-world Cross-source Point Cloud Registration Benchmark [57.42211080221526]
  異なるセンサーからのポイントクラウドデータを整列することを目的とした、クロスソースのポイントクラウド登録は、3Dビジョンの基本的なタスクである。 ディープ登録モデルをトレーニングするための大規模な実世界のデータセットが公開されていないことや、複数のセンサーによってキャプチャされたポイントクラウド固有の違いが課題となっている。 現在世界最大のマルチモーダル・クロスソース・クラウド登録データセットであるCross3DRegを構築している。 クロスソース・ポイント・クラウド機能の整合性を高めるために,ビジュアル・ジオメトリ・アテンションガイド付きマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-08T09:01:13Z)
• Robust Multiview Point Cloud Registration with Reliable Pose Graph Initialization and History Reweighting [63.95845583460312]
  本稿では,ポイントクラウドのマルチビュー登録のための新しい手法を提案する。 提案手法は,3DMatchデータセットの登録リコール率を11%,ScanNetデータセットの登録エラー率を13%向上させる。
  論文  参考訳（メタデータ） (2023-04-02T06:43:40Z)
• A recursive robust filtering approach for 3D registration [3.5270468102327004]
  提案手法は, 既往のソリューションではまだ発生していない4つの利点を有する。 固有ノイズ汚染センサデータを扱うことができる。 ノイズのある特徴ローカライゼーションによる不確実性に対して堅牢である。
  論文  参考訳（メタデータ） (2021-10-28T07:50:02Z)
• Fast and Robust Certifiable Estimation of the Relative Pose Between Two Calibrated Cameras [0.0]
  カメラの相対Pose問題(RPp)は、2つのカメラ間のペアワイズ回転のセットを与えられた相対方向変換(構成)を目指しています。 本稿では,検出された最適解の比率を高めるための証明書群について紹介する。 提案手法が高速でロバストなポーズ推定を実現することを,合成および実データにより証明する。
  論文  参考訳（メタデータ） (2021-01-21T10:07:05Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Triple Wins: Boosting Accuracy, Robustness and Efficiency Together by Enabling Input-Adaptive Inference [119.19779637025444]
  深層ネットワークは、(クリーンな自然画像の場合)正確さと(敵対的な摂動画像の場合)頑健さの相違に直面することを最近提案された。 本稿では,入力適応推論に関連するマルチエグジットネットワークについて検討し,モデル精度,ロバスト性,効率の最適化において「スイートポイント」を達成する上での強い期待を示す。
  論文  参考訳（メタデータ） (2020-02-24T00:40:22Z)

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。