論文の概要: GRF-Recon: Global Ray-Field Optimization for Long-Sequence Feed-forward Reconstruction
- arxiv url: http://arxiv.org/abs/2609.20012v1
- Date: Thu, 17 Sep 2026 10:21:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.219045
- Title: GRF-Recon: Global Ray-Field Optimization for Long-Sequence Feed-forward Reconstruction
- Title（参考訳）: GRF-Recon:長周期フィードフォワード再構成のための大域的線量最適化
- Abstract要約: 安定かつスケーラブルなフィードフォワード3次元再構成のための一貫したフレームワークを提案する。
提案手法は, 軽量な幾何学的先行注入法により, 粗大から細大の軌道アライメントを付加したものである。
- 参考スコア（独自算出の注目度）: 19.87387537671923
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Feed-forward 3D reconstruction provides an efficient paradigm for scene modeling from image sequences. Scaling these models to large monocular scenarios are constrained by excessive GPU memory footprint, degraded local geometry, and long-term trajectory drift. Existing chunk-based optimization strategies provide limited geometric constraints and fail to maintain global consistency over extended trajectories. We present a unified framework for stable and scalable feed-forward 3D reconstruction from long monocular sequences. Our approach builds on coarse-to-fine trajectory alignment augmented by lightweight geometric prior injection. Distilling monocular geometric cues into the feed-forward backbone via LoRA adaptation improves depth accuracy on fine structures while preserving inference efficiency. We introduce a hybrid-weight sparse ray-field optimization that leverages high-frequency geometric features to guide local point-cloud refinement and enforce consistent inter-frame ray constraints. Unlike prior chunk-based methods, this establishes strong cross-frame geometric coupling while maintaining scalability. Finally, an efficient trajectory stitching strategy with joint ray-error optimization explicitly reduces accumulated drift. Extensive experiments show that our approach achieves competitive trajectory accuracy compared with representative SLAM systems, while maintaining globally consistent 3D reconstruction in large-scale scenarios.
- Abstract（参考訳）: フィードフォワード3D再構成は、画像列からのシーンモデリングに効率的なパラダイムを提供する。
これらのモデルを大きな単分子シナリオにスケールすることは、過剰なGPUメモリフットプリント、劣化した局所幾何学、長期軌道ドリフトによって制約される。
既存のチャンクベースの最適化戦略は、限られた幾何学的制約を提供し、拡張された軌道上の大域的な一貫性を維持するのに失敗する。
安定かつスケーラブルなフィードフォワード3次元再構成のための一貫したフレームワークを提案する。
提案手法は, 軽量な幾何学的先行注入法により, 粗大から細大の軌道アライメントを付加したものである。
LoRA適応によるフィードフォワードバックボーンへの単色幾何学的キューの蒸留は、推論効率を保ちながら微細構造上の深さ精度を向上させる。
局所的な点-雲の微細化を誘導し、一貫したフレーム間光線制約を強制するために、高周波幾何学的特徴を利用するハイブリッドウェイト・スパース・レイ-フィールドの最適化を導入する。
従来のチャンクベースの手法とは異なり、拡張性を維持しながら強いクロスフレームな幾何学的結合を確立する。
最後に, 接合線誤差最適化を用いた効率的な軌道縫合法により, 蓄積ドリフトを明示的に低減する。
大規模シナリオにおいてグローバルに一貫した3次元再構成を維持しながら,本手法は代表的SLAMシステムと比較して,競争軌道精度が向上することを示す。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - Gaussian Sculpting: End-to-End Controllable Surface Reconstruction via Field Optimization [22.001328928240053]
3D Gaussian Splattingは、最近、印象的な品質でリアルタイムの新規ビュー合成を可能にした。
限定的な視点で正確な曲面を復元することは困難であり、ガウス原始体の固有の不規則性のためである。
本稿では,高品質な表面再構成のためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T07:42:24Z) - EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳（メタデータ） (2026-08-09T09:00:30Z) - NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction [25.145305440192875]
Pose-Free Feed-forward 3D Gaussian Splattingは、最近、高速なシーン再構築のための強力なパラダイムとして登場した。
しかし、その性能は累積カメラポーズ推定ドリフトにより長い画像列で著しく低下する。
我々は、レイマップガイド結合モジュールを用いて、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-08T09:02:18Z) - RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM [19.6725809458616]
実時間ポーズ推定とマッピングのための密結合型LiDAR-Inertial-Visual 3DGSベースのSLAMフレームワークを提案する。
提案手法は, リアルタイムの効率, ローカライズ精度, レンダリング品質において, 様々な実世界のシーンにまたがる品質を実現する。
論文 参考訳（メタデータ） (2026-04-14T16:36:11Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - 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) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - MetroGS: Efficient and Stable Reconstruction of Geometrically Accurate High-Fidelity Large-Scale Scenes [20.601722393809244]
複雑な都市環境における効率的で堅牢な復興のための新しいフレームワークであるMetroGSを紹介する。
本手法は,分散2次元ガウススプラッティング表現を基本基盤として構築する。
大規模な都市データセットの実験により、MetroGSはより優れた幾何学的精度、レンダリング品質を達成することが示された。
論文 参考訳（メタデータ） (2025-11-24T14:34:19Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z)
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。