論文の概要: Many Eyes, One World: Feed-Forward 3D Reconstruction from Mixed Cameras

• arxiv url: http://arxiv.org/abs/2609.35658v1
• Date: Mon, 28 Sep 2026 17:21:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 19:51:14.103894
• Title: Many Eyes, One World: Feed-Forward 3D Reconstruction from Mixed Cameras
• Title（参考訳）: たくさんの目と1つの世界: 混合カメラによるフィードフォワード3D再構成
• Abstract要約: リアルワールドキャプチャーは異質な視点であり、魚眼であり、パノラマ画像は360ドル(約3万3000円)で1回の再構築作業で共存できる。 本研究では,N-view混合視点,魚眼画像,フルパノラマ画像からポイントマップとカメラポーズを共同で再構成するメカニカルフィードフォワードシステムMEOWを提案する。
• 参考スコア（独自算出の注目度）: 8.748223812573023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world capture is heterogeneous: perspective, fisheye, and $360^\circ$ panoramic images can coexist within a single reconstruction task, yet most feed-forward 3D reconstruction models assume perspective imagery and a uniform input representation. Recent models handling several camera types are either informed of the camera type for each view or reconstruct one image pair at a time. No single-pass method reconstructs mixed-camera tuples containing full panoramas from images alone. We present MEOW, a feed-forward system that jointly reconstructs metric pointmaps and camera poses from one N-view tuple mixing perspective, fisheye and full-panorama images, in a single forward pass from images alone: no calibration, distortion parameters, camera-type labels or poses are supplied for any view. Our guiding design philosophy is to treat heterogeneous-camera reconstruction as a data-adaptation problem rather than an architectural redesign. MEOW retains a perspective-pretrained backbone and learns heterogeneous cameras entirely from a procedural data engine, which renders each scene across a continuous manifold of camera models with exact rays and depth, and certifies covisibility for every camera-sampled training tuple. Trained on synthetic tuples only, MEOW transfers zero-shot to real captures: on heterogeneous 2D3DS tuples it achieves 79.9 mAA@30 against 53.8 for Wid3R given the camera type of every view; on our laser-scanned mixed-camera benchmark it registers every four-view mixed tuple with 79.4 AUC@30. The data engine, benchmark, and complete evaluation pipeline will be released.
• Abstract（参考訳）: 視線、魚眼、および360^\circ$パノラマ画像は単一の再構成タスク内で共存するが、ほとんどのフィードフォワード3D再構成モデルは視点画像と均一な入力表現を仮定する。 いくつかのカメラタイプを扱う最近のモデルは、ビュー毎にカメラタイプを通知するか、一度に1つのイメージペアを再構築するかのいずれかである。 単一パス法は、画像のみから完全なパノラマを含む混合カメラタプルを再構成しない。 本研究では,Nビューのタプルミキシング,魚眼画像,全パノラマ画像から,画像のみの前方通過,キャリブレーション,歪みパラメータ,カメラタイプのラベル,ポーズを共同で再構成するフィードフォワードシステムMEOWを提案する。 我々の設計理念は、構造的再設計ではなく、データ適応問題として異種カメラ再構成を扱うことである。 MEOWは、視野に制限されたバックボーンを保持し、プロシージャデータエンジンから完全に不均一なカメラを学習する。 合成タプルのみでトレーニングされたMEOWは、ゼロショットを実際のキャプチャに転送する: 不均一な2D3DSタプルでは、Wid3Rのカメラタイプによって79.9 mAA@30と53.8と達成される。 データエンジン、ベンチマーク、完全な評価パイプラインがリリースされる。

関連論文リスト

• Revisiting Multi-View Stereo: A Sequence-to-Sequence Formulation [34.882476303820994]
  マルチビューステレオ(MVS)問題を既知のカメラパラメータを用いて検討する。 本稿では,従来のMVS法とFF法を橋渡しする新しい手法を提案する。 提案手法は, MVS と FF の両リコンストラクションベースラインを越えながら,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-09-21T16:28:26Z)
• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• MapAnything: Universal Feed-Forward Metric 3D Reconstruction [63.79151976126576]
  MapAnythingは1つ以上の画像を取り込み、カメラの内在性、ポーズ、深さ、部分的な再構築など、任意の幾何学的入力を行う。 そして、メーター3Dシーンの幾何学とカメラを直接補強する。 MapAnythingは、単一のフィードフォワードパスで幅広い3Dビジョンタスクに対処する。
  論文  参考訳（メタデータ） (2025-09-16T18:00:14Z)
• FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
  FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。 当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。 包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
  論文  参考訳（メタデータ） (2024-12-12T18:52:53Z)
• DUSt3R: Geometric 3D Vision Made Easy [8.471330244002564]
  Dense and Unconstrained Stereo 3D Reconstruction of arbitrary image collections。 本定式化は単眼および両眼の再建症例を円滑に統一することを示す。 私たちの定式化はシーンの3Dモデルと深度情報を直接提供しますが、興味深いことに、シームレスに回復できます。
  論文  参考訳（メタデータ） (2023-12-21T18:52:14Z)
• FLEX: Parameter-free Multi-view 3D Human Motion Reconstruction [70.09086274139504]
  マルチビューアルゴリズムはカメラパラメータ、特にカメラ間の相対的な位置に強く依存します。 エンドツーエンドのパラメータフリーマルチビューモデルであるFLEXを紹介します。 Human3.6MおよびKTH Multi-view Football IIデータセットの結果を実証する。
  論文  参考訳（メタデータ） (2021-05-05T09:08:12Z)
• Lift, Splat, Shoot: Encoding Images From Arbitrary Camera Rigs by Implicitly Unprojecting to 3D [100.93808824091258]
  本稿では,任意の数のカメラから映像データを与えられたシーンの鳥眼ビュー表現を直接抽出するエンド・ツー・エンドアーキテクチャを提案する。 我々のアプローチは、それぞれの画像をそれぞれのカメラのフラストラムに個別に“リフト”し、すべてのフラストラムを鳥の目視格子に“プレート”することです。 提案モデルにより推定される表現は,テンプレートトラジェクトリを鳥眼ビューのコストマップに"撮影"することで,終末動作計画の解釈を可能にすることを示す。
  論文  参考訳（メタデータ） (2020-08-13T06:29:01Z)

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。