論文の概要: CLoSeR: Closing the Loop for Long-Context Streaming Reconstruction

• arxiv url: http://arxiv.org/abs/2610.01927v1
• Date: Thu, 01 Oct 2026 15:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.250154
• Title: CLoSeR: Closing the Loop for Long-Context Streaming Reconstruction
• Title（参考訳）: CLoSeR: 長期ストリーミング再構築のためのループのクローズ
• Abstract要約: 本稿では,ストリーミング再生基盤モデルを用いてループ閉鎖を再検討し,正確なドリフトフリー・キロメートルスケールの復元を可能にする。 提案手法は,グローバルな記述子検索によりループ候補を検出し,ループ条件付きウィンドウを構築し,ループフレーム間の相対的なポーズを推定する。 実験により, ドリフトを低減し, キロメートルスケールの配列上で一貫した幾何を生成できることが確認された。
• 参考スコア（独自算出の注目度）: 73.50453415100519
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feedforward foundation models have recently shown remarkable 3D reconstruction capabilities. However, existing models exhibit large tracking drift in long-context streaming reconstruction due to error accumulation. In this paper, we revisit loop closure with streaming reconstruction foundation models to enable accurate, drift-free, kilometer-scale reconstruction. Specifically, our method detects loop candidates through global descriptor retrieval, and constructs loop-conditioned windows to estimate the relative poses between looped frames. Given the observation that our adopted streaming reconstruction backbone produces a globally consistent scale, we optimize all frame poses on the SE(3) manifold with sequential and loop closure constraints, avoiding the pose graph optimization on the Sim(3) or higher-dimensional SL(4) manifolds employed in prior works. Extensive experiments show that our method reduces drift and produces consistent geometry on kilometer-scale sequences, significantly outperforming the state of the art. Code is available at https://github.com/MoyangLi00/CLoSeR.git.
• Abstract（参考訳）: フィードフォワード基礎モデルは、最近顕著な3D再構成能力を示した。 しかし,既存のモデルでは,誤り蓄積による長文ストリーミング再生において大きなトラッキングドリフトがみられた。 本稿では,ストリーミング再生基盤モデルを用いてループ閉鎖を再検討し,正確なドリフトフリー・キロメートルスケールの復元を可能にする。 具体的には,グローバルな記述子検索によってループ候補を検出し,ループ条件のウィンドウを構築し,ループフレーム間の相対的なポーズを推定する。 ストリーミング再構成のバックボーンが一様に一貫したスケールで生成されることを考慮し,SE(3)多様体上のすべてのフレームのポーズを逐次的およびループ閉包制約で最適化し,Sim(3)多様体やより高次元のSL(4)多様体のポーズグラフの最適化を避ける。 大規模な実験により, ドリフトを低減し, キロメートルスケールの配列上で一貫した幾何を生成することが確認された。 コードはhttps://github.com/MoyangLi00/CLoSeR.gitで入手できる。

関連論文リスト

• GRF-Recon: Global Ray-Field Optimization for Long-Sequence Feed-forward Reconstruction [19.87387537671923]
  安定かつスケーラブルなフィードフォワード3次元再構成のための一貫したフレームワークを提案する。 提案手法は, 軽量な幾何学的先行注入法により, 粗大から細大の軌道アライメントを付加したものである。
  論文  参考訳（メタデータ） (2026-09-17T10:21:52Z)
• RIGOR: Rig-Informed Geometry for Omnidirectional Reconstruction [38.41034045192577]
  フィードフォワード3次元再構成の最近の進歩は、画像ストリームのみから高密度なシーン表現とカメラモーションを復元できるモデルを生み出した。 重力整列全方位ビデオのための大規模再構成パイプラインRIGORを提案する。 提案した整合性機構は, 建設現場の挑戦的配列に基づいて, フィードフォワードベースライン上での軌道精度と再構成幾何の両方を改善することを実証する。
  論文  参考訳（メタデータ） (2026-09-11T20:11:43Z)
• Revisiting Local Context for Long-Horizon Streaming 3D Reconstruction [10.383154504465232]
  ABot-Reconは、前の11フレームからKV機能をキャッシュするシンプルなストリーミングモデルである。 現在のカメラ座標系における点マップと、隣接するフレームの相対的なポーズを予測する。 蓄積ドリフトを低減するために、最近の視覚と運動のコンテキストを用いて、軽量の時間リファインダは相対回転を改善する。
  論文  参考訳（メタデータ） (2026-08-27T15:07:38Z)
• Glob3R: Global Structure-from-Motion with 3D Foundation Models [44.33296410481359]
  Glob3Rは3Dファウンデーションモデルに基づいて構築されたグローバルなSfMスタイルの再構築である。 私たちのキーとなるアイデアは、フィードフォワード幾何学的予測を明示的に最適化することです。 屋内、屋外、大規模運転、および非秩序なSfMベンチマークの実験は、Glob3Rが堅牢で正確な再構築を実現することを示した。
  論文  参考訳（メタデータ） (2026-07-10T09:18:35Z)
• Geometric Context Transformer for Streaming 3D Reconstruction [51.19524805829903]
  LingBot-Mapは、ストリーミングデータからシーンを再構築するためのフィードフォワード3Dファウンデーションモデルである。 LingBot-Mapの定義的な側面は、アンカーコンテキスト、ポーズ参照ウィンドウ、トラジェクトリメモリを統合した、慎重に設計されたアテンションメカニズムにある。 この設計は、リッチな幾何学的コンテキストを維持しながら、ストリーミング状態をコンパクトに保ち、518 x 378の解像度入力に対して、20FPS程度の安定した効率的な推論を可能にする。
  論文  参考訳（メタデータ） (2026-04-15T17:58:13Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• STream3R: Scalable Sequential 3D Reconstruction with Causal Transformer [72.88105562624838]
  本稿では,ポイントマップ予測をデコーダのみの変換器問題として再構成する新しい3次元再構成手法STream3Rを提案する。 大規模な3Dデータセットから幾何学的先行性を学ぶことで、STream3Rは多様で困難なシナリオにうまく一般化する。 この結果から,オンライン3次元知覚のための因果変換モデルの可能性を浮き彫りにし,ストリーミング環境におけるリアルタイム3次元理解の道を開いた。
  論文  参考訳（メタデータ） (2025-08-14T17:58:05Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• USP-Gaussian: Unifying Spike-based Image Reconstruction, Pose Correction and Gaussian Splatting [45.246178004823534]
  スパイクカメラは、0-1ビットストリームを40kHzで撮影する革新的なニューロモルフィックカメラとして、ますます3D再構成タスクに採用されている。 以前のスパイクベースの3D再構成アプローチでは、ケースケースのパイプラインを使うことが多い。 本稿では,スパイクに基づく画像再構成,ポーズ補正,ガウス的スプラッティングをエンドツーエンドのフレームワークに統一する,相乗的最適化フレームワーク textbfUSP-Gaussian を提案する。
  論文  参考訳（メタデータ） (2024-11-15T14:15:16Z)

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。