論文の概要: Agentic Relative Camera Pose Estimation via Learned Ranking and Verification

• arxiv url: http://arxiv.org/abs/2609.38755v1
• Date: Wed, 30 Sep 2026 01:42:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.97608
• Title: Agentic Relative Camera Pose Estimation via Learned Ranking and Verification
• Title（参考訳）: 学習したランク付けと検証によるエージェント相対カメラポーズ推定
• Abstract要約: 幅広いベースライン、テクスチャの欠如、外観の変化、オクルージョンなど、多様な課題に対して最適な単一の推定器は存在しない。 本稿では,相対カメラポーズ推定のためのエージェントフレームワークであるPoseAgentを紹介する。 ポーズ推定のために、PoseAgentはARKitScenes、MegaDepth、ScanNet++、RealEstate10Kのそれぞれで最強のスタンドアロン推定器よりもAUC@5次を4.2%向上させる。
• 参考スコア（独自算出の注目度）: 11.252736995602282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A wide range of approaches have been developed for camera pose estimation, including correspondence-based methods, end-to-end pose regression, and recent 3D geometric foundation models. Our key observation is that no single estimator is optimal for diverse challenges, such as wide baselines, lack of texture, appearance changes, and occlusions. Further analysis reveals substantial performance variation across both benchmarks and individual image pairs, with different estimators exhibiting complementary strengths. We introduce PoseAgent, an agentic framework for relative camera pose estimation that dynamically orchestrates pose estimators through learnable ranking and verification. Given an image pair, a profiling agent first extracts appearance, semantic, and geometric features relevant to pose estimation, e.g., scene type. A learned ranking agent then predicts the relative competence of multiple pose estimators given the image-pair profile. The top-ranked estimator is executed, and its predicted pose is assessed by a learned verification agent that estimates the corresponding pose error. When verification fails, PoseAgent adaptively invokes lower-ranked estimators until a candidate is accepted or the execution budget is reached. For pose verification, our verification network predicts pose errors more accurately than prior models. For pose estimation, PoseAgent improves AUC@5 degree up to 4.2% over the strongest standalone estimator on each of ARKitScenes, MegaDepth, ScanNet++, and RealEstate10K. On ARKitScenes, PoseAgent also outperforms VLM-based agents, which include a VLM ranker with the same verifier and fallback policy. These results demonstrate the effectiveness of our learned ranking and verification.
• Abstract（参考訳）: カメラのポーズ推定には,対応型手法,エンドツーエンドのポーズ回帰,最近の幾何学的基礎モデルなど,幅広いアプローチが開発されている。 私たちのキーとなる観察は、広義のベースライン、テクスチャの欠如、外観の変化、閉塞といった様々な課題に対して、単一の推定器が最適ではないことです。 さらなる分析により、ベンチマークと個々の画像ペアの両方のパフォーマンスが大幅に変化し、異なる推定器は相補的な強度を示す。 本稿では,相対カメラポーズ推定のためのエージェントフレームワークであるPoseAgentを紹介する。 画像対が与えられたとき、プロファイリングエージェントは、まず、ポーズ推定、例えばシーンタイプに関連する外観、意味、および幾何学的特徴を抽出する。 学習されたランキングエージェントは、画像ペアプロファイルが与えられた複数のポーズ推定器の相対的な能力を予測する。 トップランク推定器が実行され、その予測されたポーズが、対応するポーズエラーを推定する学習された検証エージェントによって評価される。 検証が失敗した場合、PoseAgentは、候補が受け入れられるか実行予算に達するまで、低いランクの推定器を適応的に呼び出す。 ポーズ検証のために、我々の検証ネットワークは、以前のモデルよりも正確なポーズエラーを予測します。 ポーズ推定のために、PoseAgentはARKitScenes、MegaDepth、ScanNet++、RealEstate10Kのそれぞれで最強のスタンドアロン推定器よりもAUC@5次を4.2%向上させる。 ARKitScenesでは、PoseAgentはVLMベースのエージェントよりも優れている。 これらの結果は,学習したランキングと検証の有効性を示す。

関連論文リスト

• ER-Pose: Rethinking Keypoint-Driven Representation Learning for Real-Time Human Pose Estimation [2.2248409468073143]
  単一段階の多人数ポーズ推定は、人間の位置推定とキーポイント予測を共同で行うことを目的としている。 ボックス駆動単段ポーズ推定は、トレーニング中にバウンディングボックスの監督によって暗黙的に制限される。 本稿では,主予測目標に対するポーズ推定を高めるキーポイント駆動型学習パラダイムを提案する。 MS COCOとCrowdPoseでは、ER-Pose-nはプレトレーニングなしで3.2/6.7、プレトレーニングで7.4/4.9のAP改善を実現している。
  論文  参考訳（メタデータ） (2026-03-09T17:49:46Z)
• Scriboora: Rethinking Human Pose Forecasting [44.79834103607383]
  本稿では,絶対的なポーズ予測のタスクにおいて,ポーズ予測アルゴリズムを広範囲に評価する。 最近の音声モデルは、ポーズ予測のタスクに効率的に適応でき、最先端の性能を向上させることができる。
  論文  参考訳（メタデータ） (2025-11-19T15:58:33Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• End-to-End Probabilistic Geometry-Guided Regression for 6DoF Object Pose Estimation [5.21401636701889]
  最先端の6Dオブジェクトのポーズ推定器は、オブジェクト観察によってオブジェクトのポーズを直接予測する。 最先端アルゴリズムGDRNPPを再構成し,EPRO-GDRを導入する。 提案手法は,1つのポーズではなく1つのポーズ分布を予測することで,最先端の単一ビューのポーズ推定を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-09-18T09:11:31Z)
• PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
  ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。 現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。 実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
  論文  参考訳（メタデータ） (2024-06-20T14:40:17Z)
• Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity [46.10812760258666]
  個人間の頻繁な相互作用は、ポーズ推定アルゴリズムの基本的な課題である。 ボトムアップ条件付きトップダウンポーズ推定と呼ばれる新しいパイプラインを提案する。 動物と人間のポーズ推定ベンチマークにおけるアプローチの性能と効率を実証する。
  論文  参考訳（メタデータ） (2023-06-13T16:14:40Z)
• PoseMatcher: One-shot 6D Object Pose Estimation by Deep Feature Matching [51.142988196855484]
  本稿では,PoseMatcherを提案する。 3ビューシステムに基づくオブジェクトと画像のマッチングのための新しいトレーニングパイプラインを作成します。 PoseMatcherは、画像とポイントクラウドの異なる入力モダリティに対応できるように、IO-Layerを導入します。
  論文  参考訳（メタデータ） (2023-04-03T21:14:59Z)
• End2End Multi-View Feature Matching with Differentiable Pose Optimization [2.311583680973075]
  本稿では,信頼度とともに画像の対応性を予測するグラフアテンションネットワークを提案する。 結果の一致は、微分可能なポーズ推定における重み付き制約として機能する。 複数のフレームにまたがってグラフを分散することで、複数のビューからの情報を統合して、マッチを一度に予測します。
  論文  参考訳（メタデータ） (2022-05-03T18:00:01Z)

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。