論文の概要: VGGT-Bridge: Beyond Sequential Pose Graphs via Coarse-Stride Skip Edges

• arxiv url: http://arxiv.org/abs/2610.06594v1
• Date: Mon, 05 Oct 2026 16:07:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 07:22:03.55934
• Title: VGGT-Bridge: Beyond Sequential Pose Graphs via Coarse-Stride Skip Edges
• Title（参考訳）: VGGT-Bridge: 粗いストリップエッジによる逐次ポーズグラフを超えて
• Abstract要約: VGGTは、単一の前方通過の画像から密度の高い3D構造を再構成する。 チャンク・アンド・アラインなフレームワークは、長いシーケンスを重複したチャンクに分割し、局所的な再構成をポーズグラフに縫い付けることで、この問題に対処する。 本稿では,非隣接チャンクを直接拘束する長距離スキップエッジを追加したVGGT-Bridgeを提案する。
• 参考スコア（独自算出の注目度）: 8.057566729949832
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feed-forward visual geometry transformers such as VGGT reconstruct dense 3D structure from images in a single forward pass, simplifying multi-view 3D reconstruction. However, their quadratic attention complexity makes them difficult to scale to long sequences with thousands of frames. Chunk-and-align frameworks address this by splitting a long sequence into overlapping chunks and stitching their local reconstructions into a pose graph. Yet existing methods connect only sequentially adjacent chunks, so small per-frame errors accumulate along the chain into large-scale drift. To move beyond sequential edges, we propose VGGT-Bridge, which adds long-range skip edges that directly constrain non-adjacent chunks without retraining. By running VGGT on sparsely sampled coarse chunks, each coarse chunk bridges distant fine chunks into a single direct constraint. We further turn VGGT's first-frame scale bias into a drift correction by feeding selected coarse chunks in reverse, and a loop-aware policy keeps this reversal compatible with existing loop closures. VGGT-Bridge reduces ATE by 28.3% on KITTI Odometry, 18.8% on Virtual KITTI, and 10.0% on Waymo Open over the SwiftVGGT baseline, achieving the best performance among all chunk-and-align methods.
• Abstract（参考訳）: VGGTのようなフィードフォワード・ビジュアル・ジオメトリ・トランスフォーマーは、単一のフォワードパス内の画像から高密度な3D構造を再構成し、マルチビュー3D再構成を簡素化する。 しかし、その二次的な注意の複雑さは、数千フレームの長い列にスケールするのが困難である。 チャンク・アンド・アラインなフレームワークは、長いシーケンスを重複したチャンクに分割し、局所的な再構成をポーズグラフに縫い付けることで、この問題に対処する。 しかし、既存の手法は逐次隣接するチャンクのみを接続するため、フレームごとの小さなエラーがチェーンに沿って蓄積され、大規模なドリフトとなる。 逐次エッジを超えて移動するために,非隣接チャンクを直接拘束する長距離スキップエッジを追加するVGGT-Bridgeを提案する。 粗い粗いチャンク上でVGGTを実行することで、粗いチャンクは遠く離れた細いチャンクを1つの直接的制約にブリッジする。 さらに、VGGTの第一フレームスケールバイアスを、選択された粗いチャンクを逆向きに供給することでドリフト補正とし、ループ対応ポリシーにより、既存のループクロージャとの逆転を維持できる。 VGGT-Bridgeは、KITTI Odometryで28.3%、Virtual KITTIで18.8%、Waymo Openで10.0%、SwiftVGTベースラインで、すべてのチャンク・アンド・アラインメソッドで最高のパフォーマンスを実現している。

関連論文リスト

• VGGT-Align: Bridging Local Reconstruction and Global Consistency for Long-Sequence 3D Reconstruction [8.983872448985627]
  本稿では,シーンを駆動するなどの構造的環境において,時間的セグメント間での幾何量の変化は本質的に不変である,という重要な洞察に基づいて構築されたスケール一貫性向上フレームワークを提案する。 SGIA(Scene Geometric Invariant Anchoring)を提案する。 複数のロングシーケンスベンチマークの実験では、最先端の性能を示し、絶対軌道誤差を最大32%削減し、軌道安定性と復元品質を大きく向上させた。
  論文  参考訳（メタデータ） (2026-08-15T14:32:55Z)
• RegimeVGGT: Layer-Wise Spatially Preserving Redundancy Removal for Visual Geometry Grounded Transformer [7.504392358287952]
  RegimeVGGTは、多視点画像から1回の前方通過で高密度な3Dシーン構造を復元する。 トレーニング不要のRegimeVGGTは、VGGT*よりも6.7倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-06-16T19:41:23Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• S-VGGT: Structure-Aware Subscene Decomposition for Scalable 3D Foundation Models [15.408916900664783]
  フィードフォワード3Dファンデーションモデルは、グローバルな注目によって導入された二次計算コストという、大きな課題に直面している。 構造フレームレベルでの冗長性に対処する新しいアプローチである textbfS-VGGT を導入する。 S-VGGTは完全にトークンレベルの加速法であり、複雑なスピードアップにシームレスに組み合わせることができる。
  論文  参考訳（メタデータ） (2026-03-18T11:42:55Z)
• OVGGT: O(1) Constant-Cost Streaming Visual Geometry Transformer [14.628152488797356]
  OVGGTはトレーニング不要のフレームワークで、メモリと計算を、シーケンスの長さに関わらず固定予算にバウンドする。 我々は,OVGGTが一定のVRAMエンベロープ内で任意の長さのビデオを処理し,最先端の3D幾何精度を実現していることを示す。
  論文  参考訳（メタデータ） (2026-03-06T06:44:17Z)
• LoGeR: Long-Context Geometric Reconstruction with Hybrid Memory [97.14005794889134]
  提案するLoGeRは,高密度な3次元再構成を,後最適化なしで極めて長いシーケンスに拡張する新しいアーキテクチャである。 LoGeRはビデオストリームをチャンクで処理し、高忠実度なチャンク内推論に強力な双方向の事前処理を活用する。 このメモリアーキテクチャにより、LoGeRは128フレームのシーケンスでトレーニングでき、推論中に数千フレームまで一般化できる。
  論文  参考訳（メタデータ） (2026-03-03T18:55:37Z)
• SwiftVGGT: A Scalable Visual Geometry Grounded Transformer for Large-Scale Scenes [30.52500975808177]
  大規模シーンにおける3次元再構成は3次元知覚の基本的な課題である。 既存の手法では、速度を優先し、低品質な結果を生成するか、推論時間の遅いコストで高品質な再構築を実現する。 高品質な高密度3次元再構成を保ちながら、推論時間を大幅に短縮するトレーニング不要なSwiftVGGTを提案する。
  論文  参考訳（メタデータ） (2025-11-23T05:03:49Z)
• Quantized Visual Geometry Grounded Transformer [67.15451442018258]
  本稿では,VGGTの最初の量子化フレームワーク,すなわちQuantVGGTを提案する。 球状前アダマール回転と局所流路平滑化を統合したDual-Smoothed Fine-Grained Quantizationを導入する。 また、重層統計量を用いて外周をフィルタするノイズフィルタディバースサンプリングを設計する。
  論文  参考訳（メタデータ） (2025-09-25T15:17:11Z)
• You Need a Transition Plane: Bridging Continuous Panoramic 3D Reconstruction with Perspective Gaussian Splatting [57.44295803750027]
  本稿では,連続的なパノラマ3次元シーンをガウススプラッティングで橋渡しするための新しいフレームワークTPGSを提案する。 具体的には、個々の立方体面内で3Dガウスを最適化し、縫合されたパノラマ空間でそれらを微調整する。 屋内、屋外、エゴセントリック、ローミングのベンチマークデータセットの実験は、我々のアプローチが既存の最先端の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2025-04-12T03:42:50Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)

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。