論文の概要: Adaptive World Memory 3D Foundation Model for Scalable 3D Mapping, Localization, and Rendering

• arxiv url: http://arxiv.org/abs/2609.21502v1
• Date: Fri, 18 Sep 2026 08:53:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.93819
• Title: Adaptive World Memory 3D Foundation Model for Scalable 3D Mapping, Localization, and Rendering
• Title（参考訳）: スケーラブルな3Dマッピング, ローカライゼーション, レンダリングのための適応的ワールドメモリ3Dファウンデーションモデル
• Abstract要約: 本稿では,スケーラブルなロボットローカライゼーション,再構成,ガウスレンダリングのためのメモリ中心の3次元基礎モデルを提案する。 我々のコアは、トランスフォーマーベースのゲート更新とテスト時間時空間制御を組み合わせたアダプティブワールドメモリ機構である。 その結果,既存の3次元ファンデーション再構築およびSLAMベースラインよりも軌道精度,復元完全性,レンダリング品質が向上した。
• 参考スコア（独自算出の注目度）: 58.112594289451664
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent 3D foundation models enable generalizable geometric reasoning from RGB images but remain limited in persistent memory, scalability, and renderable scene modeling. We present a memory-centric 3D foundation model for scalable robotic localization, reconstruction, and Gaussian rendering. Its core is an adaptive world memory mechanism that combines transformer-based gated updates with test-time temporal-spatial regulation. Learned gates control recurrent memory propagation, while temporal state evolution and spatial observation-state consistency regulate token-wise updates and forgetting over long image sequences. To support large-scale mapping, we organize memory into local submaps and integrate progressive mapping and tracking, loop closure, and SL(4)-based global refinement to maintain local accuracy and global consistency. A Gaussian reconstruction head decodes memory-enhanced features into renderable primitives, unifying camera pose estimation, dense point-cloud reconstruction, and photorealistic rendering within a single model. Experiments on public benchmarks and self-collected datasets from diverse robotic platforms demonstrate improved trajectory accuracy, reconstruction completeness, and rendering quality over existing 3D foundation reconstruction and SLAM baselines. These results support adaptive memory as a foundation for persistent robotic world modeling. The dataset and code will be made publicly available at \href{https://github.com/dtc111111/AWM-3DFM}{https://github.com/dtc111111/AWM-3DFM}.
• Abstract（参考訳）: 最近の3D基礎モデルは、RGB画像から一般化可能な幾何学的推論を可能にするが、永続メモリ、拡張性、レンダリング可能なシーンモデリングには制限がある。 本稿では,スケーラブルなロボットローカライゼーション,再構成,ガウスレンダリングのためのメモリ中心の3次元基礎モデルを提案する。 そのコアは、Transformerベースのゲート更新とテスト時間時空間制御を組み合わせたアダプティブワールドメモリメカニズムである。 学習ゲートは繰り返しメモリの伝搬を制御し、時間的状態の進化と空間的観測状態の整合性はトークンワイズ更新を規制し、長い画像シーケンスを忘れる。 大規模マッピングを支援するため,メモリをローカルサブマップに整理し,プログレッシブマッピングと追跡,ループクロージャ,SL(4)に基づくグローバルリファインメントを統合し,局所精度とグローバル一貫性を維持する。 ガウス再構成ヘッドは、メモリを拡張した特徴をレンダリング可能なプリミティブにデコードし、一元化カメラのポーズ推定、高密度ポイントクラウド再構成、フォトリアリスティックレンダリングを単一のモデルで行う。 さまざまなロボットプラットフォームによる公開ベンチマークと自己収集データセットの実験では、既存の3Dファウンデーション再構築とSLAMベースラインよりも軌道精度、再構築完全性、レンダリング品質が改善された。 これらの結果は、永続的なロボット世界モデリングの基礎として適応記憶をサポートする。 データセットとコードは \href{https://github.com/dtc1111/AWM-3DFM}{https://github.com/dtc1111/AWM-3DFM} で公開されている。

関連論文リスト

• Glob3R: Global Structure-from-Motion with 3D Foundation Models [44.33296410481359]
  Glob3Rは3Dファウンデーションモデルに基づいて構築されたグローバルなSfMスタイルの再構築である。 私たちのキーとなるアイデアは、フィードフォワード幾何学的予測を明示的に最適化することです。 屋内、屋外、大規模運転、および非秩序なSfMベンチマークの実験は、Glob3Rが堅牢で正確な再構築を実現することを示した。
  論文  参考訳（メタデータ） (2026-07-10T09:18:35Z)
• Ray-Aware Pointer Memory with Adaptive Updates for Streaming 3D Reconstruction [19.132257919770947]
  連続画像ストリームからの3次元再構成には、正確な幾何集約と安定したメモリ管理が必要である。 空間的位置と視線方向の両方を明示的にモデル化した3次元再構成のためのレイアウェア・ポインターメモリを提案する。 われわれのアプローチは、画像ストリームからのスケーラブルでドリフトに耐性のあるオンライン3D再構成のための、原則化されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-05-07T06:42:11Z)
• 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)
• MERG3R: A Divide-and-Conquer Approach to Large-Scale Neural Visual Geometry [6.060187129166582]
  MERG3Rは、幾何学的基礎モデルのためのトレーニング不要な分母・分母フレームワークである。 MERG3Rは、無秩序な画像を、独立して再構成できる重なり合った幾何学的に多様なサブセットに分割する。 その後、効率的な大域的アライメントと信頼重み付きバンドル調整手順を通じて、得られた局所的な再構成をマージする。 7シーン、NRGBD、Tarms & Temples、Cambridge Landmarksを含む大規模なデータセット全体にわたって、MERG3Rは、再構築精度、メモリ効率、スケーラビリティを一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-02T19:49:25Z)
• E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
  3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。 GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。 我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。 すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
  論文  参考訳（メタデータ） (2025-06-02T17:53:09Z)
• Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
  大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。 新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
  論文  参考訳（メタデータ） (2024-10-24T17:54:42Z)
• 3D Reconstruction with Spatial Memory [9.282647987510499]
  本稿では,順序付きあるいは順序なしの画像コレクションから高密度な3次元再構成を行う新しいアプローチであるSpann3Rを提案する。 DUSt3Rパラダイムに基づいて構築されたSpann3Rは、トランスフォーマーベースのアーキテクチャを使用して、シーンやカメラパラメータに関する事前の知識を必要とせずに、画像から直接ポイントマップを回帰する。
  論文  参考訳（メタデータ） (2024-08-28T18:01:00Z)

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。