論文の概要: Fast Pose Tracking of Rigid Objects with Compact Pose Graph Optimization

• arxiv url: http://arxiv.org/abs/2610.11815v1
• Date: Thu, 08 Oct 2026 12:21:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.018749
• Title: Fast Pose Tracking of Rigid Objects with Compact Pose Graph Optimization
• Title（参考訳）: コンパクトポーズグラフ最適化を用いた剛体物体の高速追尾
• Abstract要約: 本報告では, ドリフトを有界に保つために, 広範囲の対応推定手法上に軽量なトラッキングモジュールを適用可能であることを示す。 我々のキーとなる考え方は、ポーズグラフにおける点ベースの最適化を回避し、相対的なポーズ制約のみを演算することであり、幾何学的アライメントから導出した不確実性によって重み付けされる。 提案手法は,4つの実世界のベンチマークにおいて,最適化コストのごく一部で,再構成ベースのトラッカーに匹敵するトラッキング精度を実現する。
• 参考スコア（独自算出の注目度）: 31.04862760221033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking a novel object's 6D pose over long horizons currently requires either expensive onboarding or a reconstruction maintained throughout the sequence. This makes current trackers impractical for robotic manipulation and augmented reality, which need trackers that are ready to use and run in real time. We show that a lightweight tracking module can be applied on top of a wide range of correspondence estimation methods to keep drifts bounded while maintaining fast runtime. Our key idea is to avoid point-based optimization in the pose graph and operate only on relative pose constraints, which we weight by a derived uncertainty from the geometric alignment. This makes optimization independent of the number of correspondences while avoiding the direct inclusion of noisy point measurements, leading to fast and robust long-term tracking. Across four real-world benchmarks, our approach achieves tracking accuracy comparable to reconstruction-based trackers with a fraction of the optimization cost. Overall, these results suggest that a compact and reliable pose graph optimization can provide long-horizon consistency at substantially lower computational cost.
• Abstract（参考訳）: 現在、新しい物体の6Dポーズを長い水平線上で追跡するには、高価な搭載か、シーケンスを通して維持される再構築が必要である。 これにより、現在のトラッカーはロボット操作や拡張現実では実用的ではない。 本研究では,高速な実行環境を維持しながらドリフトを境界に保ちながら,広い範囲の対応推定手法上に軽量なトラッキングモジュールを適用可能であることを示す。 我々のキーとなる考え方は、ポーズグラフにおける点ベースの最適化を回避し、相対的なポーズ制約のみを演算することであり、幾何学的アライメントから導出した不確実性によって重み付けされる。 これにより、最適化は対応数に依存せず、ノイズのある点の測定を直接含まないようにし、高速で堅牢な長期追跡に繋がる。 提案手法は,4つの実世界のベンチマークにおいて,最適化コストのごく一部で,再構成ベースのトラッカーに匹敵するトラッキング精度を実現する。 これらの結果から,コンパクトで信頼性の高いポーズグラフ最適化により,計算コストが大幅に低い長軸整合性が得られることが示唆された。

関連論文リスト

• PCSTracker: Long-Term Scene Flow Estimation for Point Cloud Sequences [20.800932584993706]
  PCSTrackerは、ポイントクラウドシーケンスにおける一貫したシーンフロー推定のために特別に設計されたエンドツーエンドフレームワークである。 PCSTrackerは、長期のシーンフロー推定において最高の精度を達成し、32.5 FPSでリアルタイム性能を維持する。
  論文  参考訳（メタデータ） (2026-03-20T08:45:27Z)
• CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
  ワープに有利なコストを削減できる高密度な点トラッカーを提案する。 近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。 我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-02-04T18:58:59Z)
• Color-Pair Guided Robust Zero-Shot 6D Pose Estimation and Tracking of Cluttered Objects on Edge Devices [4.261261166281339]
  本稿では,エッジデバイス上での効率的な実行を目的とした統合フレームワークを提案する。 当社のアプローチの鍵は、ライトと不変なカラーペアの特徴表現の共有です。 最初の見積のために、この機能はライブRGB-Dビューとオブジェクトの3Dメッシュの間の堅牢な登録を容易にする。 追跡に関しては、同じ特徴論理が時間的対応を検証し、軽量モデルが物体の動きを確実に回帰させることができる。
  論文  参考訳（メタデータ） (2025-09-28T05:07:49Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• Online Dense Point Tracking with Streaming Memory [54.22820729477756]
  デンスポイントトラッキングは、ビデオのかなりの部分を通して、初期フレーム内のすべてのポイントの連続的な追跡を必要とする、困難なタスクである。 最近の点追跡アルゴリズムは、通常、最初のフレームから現在のフレームへの間接的な情報伝達のためにスライドウィンドウに依存する。 我々は、高密度のtextbfPOint textbfTracking とオンラインビデオ処理のための textbfStreaming メモリを備えた軽量で高速なモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-09T06:16:49Z)
• ProTracker: Probabilistic Integration for Robust and Accurate Point Tracking [41.889032460337226]
  ProTrackerは、ビデオ内の任意の点を正確かつ堅牢に追跡する新しいフレームワークである。 この設計は、グローバルな意味情報と時間的に認識される低レベル特徴を効果的に組み合わせている。 実験により、ProTrackerは最適化ベースのアプローチで最先端のパフォーマンスを得ることができた。
  論文  参考訳（メタデータ） (2025-01-06T18:55:52Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)

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。