論文の概要: QuacamFM: Quaternion-Constrained Flow Matching for Camera Pose Estimation

• arxiv url: http://arxiv.org/abs/2609.32455v1
• Date: Sat, 26 Sep 2026 10:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 09:01:45.802701
• Title: QuacamFM: Quaternion-Constrained Flow Matching for Camera Pose Estimation
• Title（参考訳）: QuacamFM:カメラポーズ推定のための四次制限フローマッチング
• Abstract要約: ※QuacamFM*は、カメラポーズ推定のための四元数制約フローマッチングフレームワークである。 四元数制約の定式化は、スパースビューカメラのポーズ推定における4次元四元数ベクトルに対する標準フローマッチングの単純性よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 2.4117201298131237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Camera pose estimation from multi-view images remains a challenge in computer vision. Traditional methods often address this problem using Structure-from-Motion (SfM) with bundle adjustment. However, camera poses estimated from sparse views are inherently ambiguous due to insufficient geometric constraints. Recent work leverages probabilistic models, such as diffusion models, to generate multiple camera pose hypotheses and therefore capture this uncertainty better. Most of these methods represent camera rotations using unit quaternions, but treat them as unconstrained 4D vectors during the generative processes, thereby ignoring the unit-norm constraint of quaternions. Unconstrained quaternions create non-smooth and suboptimal generation trajectories. To this end, we propose *QuacamFM*, a quaternion-constrained flow matching framework for camera pose estimation that preserves unit quaternion representations throughout the entire flow trajectory. We design the optimal transport of the quaternion flows using smooth spherical linear interpolation. Experiments on CO3Dv2 demonstrate our method's advantage in camera pose accuracy over diffusion-based methods and classical SfM approaches. We further show that our quaternion-constrained formulation outperforms the naive application of standard flow matching to 4D quaternion vectors on sparse-view camera pose estimation. Finally, it is observed that QuacamFM generalizes well across datasets and in-the-wild examples.
• Abstract（参考訳）: マルチビュー画像からのカメラポーズ推定は、コンピュータビジョンにおける課題である。 従来の手法では、バンドル調整を伴うStructure-from-Motion (SfM) を用いてこの問題に対処することが多い。 しかし、スパースビューから推定されるカメラのポーズは、幾何学的制約が不十分なため、本質的に曖昧である。 最近の研究は、拡散モデルのような確率モデルを利用して、複数のカメラのポーズ仮説を生成し、その結果、この不確実性をよりよく捉えている。 これらの手法の多くは、単位四元数を用いたカメラ回転を表すが、生成過程において制約のない4次元ベクトルとして扱うことにより、四元数の単位ノルム制約を無視している。 制約のない四元数は、非滑らかで最適でない生成軌道を生成する。 この目的のために,カメラポーズ推定のための四元数制約付きフローマッチングフレームワークである *QuacamFM* を提案する。 滑らかな球状線形補間による四元流の最適輸送を設計する。 CO3Dv2を用いた実験は,拡散法や古典的SfM法に比べてカメラポーズ精度が優れていることを示す。 さらに, 四元数制約による定式化は, スパースビューカメラのポーズ推定における4次元四元数ベクトルと標準流整合のネーブな適用よりも優れていることを示す。 最後に、QuacamFMはデータセットやその実例にまたがってうまく一般化されていることが観察された。

関連論文リスト

• Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction [49.87425331212591]
  我々は、タイムスタンプ条件付き学習可能なガウスクエリトークンのコンパクトなセット上に構築されたフィードフォワード4D再構成フレームワークであるC4Gを提案する。 C4Gはガウシアンをはるかに少なく、カメラのポーズを必要とせず、強力なノベルビュー合成性能を実現する。
  論文  参考訳（メタデータ） (2026-05-29T17:57:41Z)
• No Pose, No Problem in 4D: Feed-Forward Dynamic Gaussians from Unposed Multi-View Videos [49.02659692876764]
  NoPo4Dは、動的コンテンツ、マルチビュー入力、未知のカメラポーズを単一のパスで処理する最初のフィードフォワードシステムである。 4つのマルチビューダイナミックベンチマークでは、NoPo4Dはフィードフォワードベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-21T08:57:21Z)
• GeoMotion: Rethinking Motion Segmentation via Latent 4D Geometry [61.24189040578178]
  そこで本研究では,注目機構を介し,潜在特徴表現から移動対象を直接推論する完全学習型アプローチを提案する。 我々の重要な洞察は、明示的な対応推定を回避し、代わりに、モデルが暗黙的にオブジェクトとカメラの動きを歪めることを学ぶことである。 提案手法は,最先端の動作セグメンテーション性能を高い効率で達成する。
  論文  参考訳（メタデータ） (2026-02-25T11:36:33Z)
• Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video [55.704264233274294]
  ぼやけたモノクロ映像から高品質な4Dモデルを再構成するためのDeblur4DGSを提案する。 我々は露光時間内の連続的動的表現を露光時間推定に変換する。 Deblur4DGSは、新規なビュー合成以外にも、複数の視点からぼやけたビデオを改善するために応用できる。
  論文  参考訳（メタデータ） (2024-12-09T12:02:11Z)
• Controlling Space and Time with Diffusion Models [34.7002868116714]
  4次元新規ビュー合成(NVS)のためのケースド拡散モデルである4DiMを提案する。 我々は3D(カメラポーズ付き)、4D(目的+時間)、ビデオ(時間だがポーズなし)のデータを混合してトレーニングすることができる。 4DiMは、直感的なメートルスケールカメラポーズ制御を備えた最初のNVS方式である。
  論文  参考訳（メタデータ） (2024-07-10T17:23:33Z)
• Continuous Pose for Monocular Cameras in Neural Implicit Representation [65.40527279809474]
  本稿では,時間的連続的な機能として単眼カメラのポーズを最適化することの有効性を示す。 提案手法を4つの異なる実験環境において活用する。 連続運動の仮定を用いて、ポーズの変化は実際には6度以下の自由度(DOF)を持つ多様体に生きることができる。 我々はこの低DOF動作表現を固有運動と呼び、vSLAM設定でのアプローチを用い、カメラ追跡性能を高く評価した。
  論文  参考訳（メタデータ） (2023-11-28T13:14:58Z)
• A Geometric Model for Polarization Imaging on Projective Cameras [5.381004207943598]
  一般射影カメラが光偏光状態をどのように捉えているかを記述する幾何学的モデルを提案する。 本モデルは, 原画像に作用する前処理操作として実装され, その後, 再構成された正規フィールドの画素単位の回転が続く。 既存のデータセットと新しいデータセットの実験は、市販の偏光カメラに適用した場合のモデルの精度を示している。
  論文  参考訳（メタデータ） (2022-11-29T17:12:26Z)
• DiffPoseNet: Direct Differentiable Camera Pose Estimation [11.941057800943653]
  我々は,強靭かつ直接的な制約を強制するために,正規フロー推定のためのネットワークNFlowNetを導入する。 我々は,提案したDiffPoseNetの雑音に対する感度とデータセット間の一般化について,定性的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2022-03-21T17:54:30Z)
• Wide-Baseline Relative Camera Pose Estimation with Directional Learning [46.21836501895394]
  提案するDirectionNetは,新しいパラメータ化を用いて5次元相対ポーズ空間上の離散分布を推定し,推定問題を抽出できるようにする。 本研究では,Matterport3DとInstituteNetから構築した合成・実ポーズ推定データセットについて検討した。
  論文  参考訳（メタデータ） (2021-06-07T04:46:09Z)

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。