論文の概要: LVSPM: Long Sequence View Synthesis and Pose Estimation Model
- arxiv url: http://arxiv.org/abs/2610.10960v1
- Date: Wed, 07 Oct 2026 22:26:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.69005
- Title: LVSPM: Long Sequence View Synthesis and Pose Estimation Model
- Title（参考訳）: LVSPM:Long Sequence View Synthesis and Pose Estimation Model
- Abstract要約: 我々は、カメラのポーズを共同で推定し、未校正画像コレクションから新しいビューを合成する一般化可能なモデルであるLVSPMを提案する。
RealEstate10k、Co3Dv2、DL3DVでは、LVSPMは16-256ビューでVGGTを上回り、特に厳しい閾値で大きなマージンを持つ。
- 参考スコア（独自算出の注目度）: 44.110164592863576
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present LVSPM, a generalizable model that jointly estimates camera poses and synthesizes novel views from uncalibrated image collections. Trained with only RGB images and pose supervision, LVSPM avoids dense 3D ground truth and employs test-time training (TTT) layers to scale seamlessly to hundreds of input views. On RealEstate10k, Co3Dv2, and DL3DV, LVSPM surpasses VGGT in pose estimation across 16-256 views, with especially large margins at strict thresholds. For novel view synthesis under a practical protocol where more views cover larger scenes, LVSPM achieves state-of-the-art pose-free quality---surpassing even pose-dependent models in PSNR---and still maintains high quality as scene scale grows, while baselines collapse. The code is available at https://burningdust21.github.io/Projects/LVSPM .
- Abstract（参考訳）: 我々は、カメラのポーズを共同で推定し、未校正画像コレクションから新しいビューを合成する一般化可能なモデルであるLVSPMを提案する。
LVSPMはRGBイメージのみをトレーニングし、監視を行うため、密集した3D地上真実を避け、数百の入力ビューにシームレスにスケールするためにテストタイムトレーニング(TTT)層を使用している。
RealEstate10k、Co3Dv2、DL3DVでは、LVSPMは16-256ビューでVGGTを上回り、特に厳しい閾値で大きなマージンを持つ。
LVSPMは、より広いシーンをカバーする実用的なプロトコルの下で、PSNRのポーズに依存したモデルでさえもパスし、シーンスケールが大きくなるにつれて高品質を維持しつつ、ベースラインは崩壊する。
コードはhttps://burningdust21.github.io/Projects/LVSPMで公開されている。
関連論文リスト
- VGGT-X: When VGGT Meets Dense Novel View Synthesis [27.397168758449904]
我々は3次元基礎モデル(3DFM)を高密度新規ビュー合成(NVS)に適用する問題について検討する。
我々の研究は、3DFMを高密度に拡大することは、VRAM負荷を劇的に増加させ、3Dトレーニングを低下させる不完全な出力の2つの基本的な障壁に直面することを明らかにした。
本稿では,1000以上の画像にスケール可能なメモリ効率のよいVGGT実装,VGGT出力向上のための適応的グローバルアライメント,堅牢な3DGSトレーニングプラクティスを取り入れたVGGT-Xを紹介する。
論文 参考訳（メタデータ） (2025-09-29T17:59:59Z) - MV-SSM: Multi-View State Space Modeling for 3D Human Pose Estimation [12.134180267900456]
マルチビュー3D人間のポーズ推定は依然として困難である。
既存の注意に基づく変換器は、しばしばキーポイントの空間配置を正確にモデル化するのに苦労する。
MV-SSMと呼ばれる新しい多視点状態空間モデリングフレームワークを導入し、3次元人間のキーポイントを頑健に推定する。
論文 参考訳（メタデータ） (2025-08-31T00:57:41Z) - AnySplat: Feed-forward 3D Gaussian Splatting from Unconstrained Views [68.94737256959661]
AnySplatは、未校正画像コレクションから新しいビューを合成するためのフィードフォワードネットワークである。
単一のフォワードパスは、シーン幾何学と外観の両方をコードする3Dガウスプリミティブのセットを生成する。
広範囲なゼロショット評価では、AnySplatはスパースと高密度の両方のビューシナリオにおいて、ポーズを意識するベースラインの品質にマッチする。
論文 参考訳（メタデータ） (2025-05-29T17:49:56Z) - Stable Virtual Camera: Generative View Synthesis with Diffusion Models [51.71244310522393]
本稿では,シーンの新たなビューを生成する汎用拡散モデルであるスタブルバーチャルカメラ(Seva)を紹介する。
このアプローチは、シンプルなモデル設計、最適化されたトレーニングレシピ、柔軟なサンプリング戦略によってこれらの制限を克服する。
提案手法では,シームレスなループ閉鎖により,最大半分間の高品質なビデオを生成することができる。
論文 参考訳（メタデータ） (2025-03-18T17:57:22Z) - MVGenMaster: Scaling Multi-View Generation from Any Image via 3D Priors Enhanced Diffusion Model [87.71060849866093]
MVGenMasterは3Dプリエントで拡張された多視点拡散モデルであり,NVS(多目的なノベルビュー合成)タスクに対処する。
我々のモデルは、可変参照ビューとカメラポーズで条件付けられた100の新しいビューを生成できる、シンプルで効果的なパイプラインを特徴としている。
スケールアップデータセットを用いてモデルを強化するために,いくつかのトレーニングとモデル修正を提案する。
論文 参考訳（メタデータ） (2024-11-25T07:34:23Z)
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。