論文の概要: Pixel-wise Planarity for High-Precision Monocular Plane Segmentation

• arxiv url: http://arxiv.org/abs/2609.13246v1
• Date: Fri, 04 Sep 2026 10:51:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.669786
• Title: Pixel-wise Planarity for High-Precision Monocular Plane Segmentation
• Title（参考訳）: 高精度単分子面分割のための画素幅平面性
• Abstract要約: 単一のRGB画像からの平面分割は、不正確な領域のグルーピングと幾何学的に矛盾した監督のため、依然として困難である。 本研究では,ロバストな単分子平面分割のための画素単位の平面性予測フレームワークを提案する。 提案手法は,従来の最先端手法と比較して,幾何精度とセグメンテーション品質の向上を実現する。
• 参考スコア（独自算出の注目度）: 56.92684417018378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plane segmentation from a single RGB image remains challenging due to imprecise region grouping and geometrically inconsistent supervision, often leading to over-segmentation and false planar detections. We propose instead a pixel-wise planarity prediction framework for robust monocular plane segmentation. Building on a pretrained monocular geometric backbone predicting depth and surface normals, we introduce a dedicated planarity head that estimates per-pixel planarity confidence. During inference, predicted depth, normals, and planarity are combined in a lightweight region-growing procedure that enforces geometric consistency when forming plane segments. We further analyze existing plane ground-truth annotations and demonstrate substantial geometric inconsistencies under strict distance thresholds. Across multiple datasets, our method achieves improved geometric precision and segmentation quality compared to prior state-of-the-art approaches, while improving computational efficiency. Our code and models are available at https://github.com/alpayozkan/PixelwisePlanarity.
• Abstract（参考訳）: 単一のRGB画像からの平面分割は、不正確な領域のグルーピングと幾何学的に矛盾した監督のために困難であり、しばしば過分割と偽平面検出につながる。 代わりに、ロバストな単分子平面分割のための画素単位の平面性予測フレームワークを提案する。 深度と表面の正常さを予測できる事前訓練された単球形状のバックボーン上に構築し、画素ごとの平面性信頼度を推定する専用平面性ヘッドを導入する。 予測深度、正規度、平面性は、平面セグメントを形成する際に幾何的一貫性を強制する軽量な領域成長手順で結合される。 さらに,既存の平面構造アノテーションを解析し,厳密な距離閾値の下での幾何的不整合を示す。 複数のデータセットにまたがって,従来の最先端手法と比較して幾何精度とセグメンテーション品質の向上を実現し,計算効率を向上する。 私たちのコードとモデルはhttps://github.com/alpayozkan/PixelwisePlanarity.comで公開されています。

関連論文リスト

• Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
  SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。 鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
  論文  参考訳（メタデータ） (2026-08-12T11:25:31Z)
• Homographic Navigation: Geometry-Driven Camera Guidance for Deterministic Planar Capture [0.9036844836403516]
  ホログラフィーナビゲーションは、平面領域の正確な捕捉に向けて、カメラの取得を導くための幾何学中心のフレームワークである。 我々は、ホモグラフ拡張による無制限な合成トレーニングデータを生成し、共同認識とローカライゼーションのための単一ショットモデルを訓練する。 実験の結果、最小限の監督で正確な平面アライメントが達成できることが示されている。
  論文  参考訳（メタデータ） (2026-06-22T04:15:08Z)
• Fitting Unknown Number of Hyperplanes with Manifold Optimization [57.48093263119306]
  未知数の線形平面をデータに適合させることは、機械学習の根本的な課題である。 既存のアプローチはしばしば最適な最適化に苦しむか、幾何的整合性に欠ける。
  論文  参考訳（メタデータ） (2026-05-27T14:02:20Z)
• GGPT: Geometry Grounded Point Transformer [22.64445696362087]
  本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。 この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
  論文  参考訳（メタデータ） (2026-03-11T18:00:04Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• Plane2Depth: Hierarchical Adaptive Plane Guidance for Monocular Depth Estimation [38.81275292687583]
  平面情報を適応的に利用し,階層的なフレームワーク内での深度予測を改善するPlane2Depthを提案する。 提案する平面案内深度発生器 (PGDG) では, 現場の平面をソフトにモデル化し, 画素ごとの平面係数を予測するためのプロトタイプとして, 一連の平面クエリを設計する。 提案するアダプティブプレーンクエリアグリゲーション(APGA)モジュールでは,マルチスケール平面特徴のアグリゲーションを改善するために,新たな機能インタラクションアプローチを導入する。
  論文  参考訳（メタデータ） (2024-09-04T07:45:06Z)
• AirPlanes: Accurate Plane Estimation via 3D-Consistent Embeddings [26.845588648999417]
  本研究では,3次元画像から平面面を推定する問題に対処する。 本稿では,平面へのクラスタリングにおける幾何を補完する多視点一貫した平面埋め込みを予測する手法を提案する。 我々は、ScanNetV2データセットの広範な評価を通じて、我々の新しい手法が既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-13T09:49:31Z)
• Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
  本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。 メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
  論文  参考訳（メタデータ） (2021-08-09T18:16:08Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。