論文の概要: Emergent Multi-View Geometry Through Self-Distillation

• arxiv url: http://arxiv.org/abs/2609.39227v1
• Date: Wed, 30 Sep 2026 08:02:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.421017
• Title: Emergent Multi-View Geometry Through Self-Distillation
• Title（参考訳）: 自己蒸留による創発的多視点幾何学
• Abstract要約: Poincar3は、RGB再構成の代わりに自己蒸留によって複数のビューから表現を学習する自己教師型手法である。 マスクパッチと画像レベルの蒸留と、追加の視点を観察する教師を組み合わせることで、明示的な3D監督なしに、スクラッチからトレーニングを行うことを可能にした。
• 参考スコア（独自算出の注目度）: 46.22928513327535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over a century ago, Henri Poincaré argued that a motionless observer cannot acquire the notion of space. Yet, most visual representation learning methods operate on individual images, while those that leverage multiple views rely on RGB reconstruction, entangling geometry with appearance. We propose Poincar3, a self-supervised method that learns representations from multiple views through self-distillation instead of RGB reconstruction. We combine masked patch and image-level distillation with a teacher that observes additional views, enabling training from scratch without explicit 3D supervision. Poincar3 outperforms both previous single and multi-view self-supervised approaches such as DINOv3, MuM, and Muskie on correspondence estimation, camera pose estimation, and 3D reconstruction. Using a lightweight Poincaré adapter, we also find that our learned features encode camera motion more accurately than existing self-supervised representations.
• Abstract（参考訳）: 1世紀以上前、アンリ・ポアンカレは、動きのない観測者は空間の概念を得ることができないと主張した。 しかし、ほとんどの視覚表現学習法は個々の画像上で動作し、複数のビューを利用するものはRGB再構成に依存しており、外観と幾何学が絡み合っている。 本稿では,RGB再構成の代わりに自己蒸留により複数の視点から表現を学習する自己教師型手法であるPoincar3を提案する。 マスクパッチと画像レベルの蒸留と、追加の視点を観察する教師を組み合わせることで、明示的な3D監督なしに、スクラッチからトレーニングを行うことを可能にした。 Poincar3は、DINOv3、MuM、Muskieといった従来のシングルビューとマルチビューのセルフ教師方式の両方で、対応推定、カメラポーズ推定、そして3D再構成に優れています。 また、軽量なポアンカレアダプタを用いて、既存の自己監督型表現よりも正確にカメラの動きを符号化できることがわかりました。

関連論文リスト

• 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)
• State of the Art in Dense Monocular Non-Rigid 3D Reconstruction [100.9586977875698]
  モノクル2D画像から変形可能なシーン(または非剛体)の3D再構成は、コンピュータビジョンとグラフィックスの長年、活発に研究されてきた領域である。 本研究は,モノクラー映像やモノクラービューの集合から,様々な変形可能な物体や複合シーンを高密度に非剛性で再現するための最先端の手法に焦点を当てる。
  論文  参考訳（メタデータ） (2022-10-27T17:59:53Z)
• Model-based 3D Hand Reconstruction via Self-Supervised Learning [72.0817813032385]
  シングルビューのRGB画像から3Dハンドを再構成することは、様々な手構成と深さのあいまいさのために困難である。 ポーズ, 形状, テクスチャ, カメラ視点を共同で推定できる, 自己教師型3Dハンド再構成ネットワークであるS2HANDを提案する。 初めて手動アノテーションを使わずに、正確な3D手の再構築ネットワークを訓練できることを実証しました。
  論文  参考訳（メタデータ） (2021-03-22T10:12:43Z)
• From Image Collections to Point Clouds with Self-supervised Shape and Pose Networks [53.71440550507745]
  2次元画像から3Dモデルを再構成することは、コンピュータビジョンの基本的な問題の一つである。 本研究では,1枚の画像から3次元オブジェクトを再構成する深層学習手法を提案する。 我々は,3次元点雲の再構成と推定ネットワークの自己教師方式の両方を学習する。
  論文  参考訳（メタデータ） (2020-05-05T04:25:16Z)
• Monocular Depth Estimation with Self-supervised Instance Adaptation [138.0231868286184]
  ロボット工学の応用では、ロボットの動作に応じて、シーンの複数のビューが利用可能であるかもしれないし、利用できないかもしれない。 本稿では,市販の自己監督型単分子深度再構成システムをテスト時に複数の画像に拡張する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-13T08:32:03Z)

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。