論文の概要: Geometric Inconsistency Localization in Multi-View Image Sets

• arxiv url: http://arxiv.org/abs/2609.31247v1
• Date: Fri, 25 Sep 2026 13:25:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.406683
• Title: Geometric Inconsistency Localization in Multi-View Image Sets
• Title（参考訳）: 多視点画像集合における幾何学的不整合位置決め
• Abstract要約: MV(Multi-view)一貫性は、NVSモデルを評価するツールとして期待されている。 マルチメディアの法医学の可能性はほとんど解明されていない。 幾何学的不整合の画素レベルのアノテーションを備えた広ベースラインMVデータセットであるDeformViewを紹介した。
• 参考スコア（独自算出の注目度）: 2.78439816542191
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Novel view synthesis (NVS) models can produce realistic new views of the same scene from different viewpoints. However, these generated views are not always geometrically consistent with one another. Multi-view (MV) consistency has shown promise as a tool for evaluating these NVS models. Its potential for multimedia forensics, however, remains largely unexplored, particularly for localizing geometric inconsistencies across wide-baseline image pairs. To enable research in this direction, we introduce DeformView, a wide-baseline MV dataset with pixel-level annotations of geometric inconsistencies. Using DeformView, we evaluate state-of-the-art MV consistency-scoring methods and show that approaches developed for NVS evaluation transfer poorly to the forensic task of geometric inconsistency localization. To address this limitation, we propose DEFECt3R, a lightweight learning-based classifier that uses cross-view feature relationships to localize geometric inconsistencies at the pixel level. By learning from explicit supervision, including hard negatives from geometrically consistent yet deformed views, DEFECt3R improves localization performance and substantially reduces false positives compared to existing consistency-scoring methods. Ablation experiments further show that both feature representations and correspondence quality contribute to localization performance. Overall, our findings demonstrate that MV geometric consistency is a promising yet underexplored signal for multimedia forensics and establish a benchmark and baseline for geometric inconsistency localization in wide-baseline MV image pairs. Code and dataset are available at https://github.com/IDLabMedia/DeformView-DEFECt3R
• Abstract（参考訳）: 新しいビュー合成(NVS)モデルは、異なる視点から同じシーンの現実的な新しいビューを生成することができる。 しかし、これらのビューは必ずしも幾何学的に一致しているとは限らない。 MV(Multi-view)一貫性は、これらのNVSモデルを評価するツールとして期待されている。 しかし、マルチメディア法医学のポテンシャルは、特に広基画像対にまたがる幾何学的不整合のローカライズについて、ほとんど未解明のままである。 この方向の研究を可能にするために,幾何学的不整合の画素レベルのアノテーションを備えた広ベースラインMVデータセットであるDeformViewを紹介した。 DeformViewを用いて,現状のMV整合性検査法を評価し,NVS評価のためのアプローチが幾何的不整合化の法医学的タスクに不十分であることを示す。 この制限に対処するために,画素レベルの幾何学的不整合をローカライズするために,クロスビュー特徴関係を用いた軽量学習ベース分類器DEFECt3Rを提案する。 DEFECt3Rは、幾何的に整合しているが変形したビューからハードネガティブを含む明示的な監督から学習することにより、ローカライゼーション性能を改善し、既存の整合性検査法と比較して偽陽性を大幅に低減する。 アブレーション実験は、特徴表現と対応品質の両方が局所化性能に寄与することを示した。 総じて, MV画像の幾何的整合性は, マルチメディア法医学において有望だが未探索の信号であり, 広義のMV画像対における幾何的不整合局在のベンチマークとベースラインを確立することを実証した。 コードとデータセットはhttps://github.com/IDLabMedia/DeformView-DEFECt3Rで入手できる。

関連論文リスト

• GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion [36.691978700341515]
  GeoFaceは、単一の入力から一貫した顔を生成するための幾何学制約付き多視点拡散フレームワークである。 RenderMe-360 と NeRSemble の実験では、GeoFace は視覚的品質と横方向の幾何的整合性の両方において、既存の手法よりも一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2026-06-26T02:31:06Z)
• MVTrack4Gen: Multi-View Point Tracking as Geometric Supervision for 4D Video Generation [50.65653874052261]
  MVTrack4Genは、カメラコンディショニングのみの新規ビュービデオ拡散モデルのためのモーションアウェアトレーニングフレームワークである。 我々の重要な発見は、特定の注意層が強い対応の手がかりを符号化することであり、そこでは、クエリ機能は幾何学的に対応する場所で重要な特徴に付随する。 これらの動き認識対応を明示的に強化することにより、MVTrack4Genは既存のモデルを改善し、参照ビューにおける動きをより良く追従し、クロスビューの幾何的一貫性を維持する。
  論文  参考訳（メタデータ） (2026-06-24T17:56:33Z)
• Measuring 3D Spatial Geometric Consistency in Dynamic Generated Videos [67.7364297817535]
  ビデオにおける3D textbfSpatial textbfGeometric textbfConsistencyを評価するためのメトリクスであるSGCを紹介する。 SGCは幾何的不整合を頑健に定量化し、既存のメトリクスで欠落した臨界故障を効果的に特定する。
  論文  参考訳（メタデータ） (2026-03-19T15:44:39Z)
• MVGGT: Multimodal Visual Geometry Grounded Transformer for Multiview 3D Referring Expression Segmentation [59.75554954111619]
  マルチビュー3D参照表現(MV-3DRES)を導入し、モデルがシーン構造を復元し、参照対象をスパースなマルチビュー画像から直接セグメント化する必要がある。 本稿では,言語情報をスパースビュー幾何学的推論に組み込む,効率的なエンドツーエンドフレームワークであるMultimodal Visual Geometry Grounded Transformer (MVGGT)を提案する。 実験により、MVGGTは最初の強力なベースラインを確立し、高精度かつ高速な推論を達成し、既存の選択肢よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-11T11:44:07Z)
• GC-MVSNet: Multi-View, Multi-Scale, Geometrically-Consistent Multi-View Stereo [10.12881620173837]
  本稿では,学習中の複数のソースビューにまたがる参照ビュー深度マップの幾何的整合性を明確に促進する新しいアプローチを提案する。 この幾何整合性損失を加えることで、幾何学的に矛盾したピクセルを明示的にペナル化することで学習を著しく加速することがわかった。 実験の結果,本手法はDTUおよびBlendedMVSデータセットの新たな最先端化を実現し,Turts and Templesベンチマークの競争結果が得られた。
  論文  参考訳（メタデータ） (2023-10-30T14:41:53Z)
• GFNet: Geometric Flow Network for 3D Point Cloud Semantic Segmentation [91.15865862160088]
  本稿では,異なるビュー間の幾何対応性を検討するための幾何フローネットワーク (GFNet) を提案する。 具体的には、異なる視点にまたがって補完情報を双方向に整列し、伝播する新しい幾何フローモジュール(GFM)を考案する。
  論文  参考訳（メタデータ） (2022-07-06T11:48:08Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)

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。