論文の概要: Slot3R: Set-Associative Spatial Memory for Streaming 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.12282v1
• Date: Thu, 08 Oct 2026 16:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.187493
• Title: Slot3R: Set-Associative Spatial Memory for Streaming 3D Reconstruction
• Title（参考訳）: Slot3R:3次元再構成のストリーム化のためのセットアソシエーション空間記憶
• Abstract要約: Slot3Rは、トレーニング済みのPoint3Rバックボーンを凍結させながら、複数の状態が共有アドレスで共存することを可能にする。 300-500のサンプルフレームで、Slot3Rは7Scenesでは57.1%-63.1%、NeuralRGBDでは64.0%-72.0%削減した。
• 参考スコア（独自算出の注目度）: 12.476825827161184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Streaming 3D reconstruction must preserve evidence from each frame while processing an expanding scene online. Spatial memory is a natural fit because it organizes history by reconstructed 3D location. Yet Point3R uses spatial proximity both to associate a new observation with an existing memory entry and to decide whether to fuse it, conflating co-location with state identity. Because pointers summarize image patches, nearby pointers may encode distinct surfaces, viewpoints, or visibility conditions; averaging them can destroy complementary evidence before later frames disambiguate it. We argue that location should determine address, not whether observations must merge. Slot3R realizes this principle as a training-free, set-associative retrofit that lets multiple states coexist at a shared address while keeping the pretrained Point3R backbone frozen. A bounded sparse readout further decouples persistent storage from per-frame decoder access. At 300-500 sampled frames, Slot3R reduces Point3R's point-cloud accuracy error (Acc) by 57.1%-63.1% on 7Scenes and 64.0%-72.0% on NeuralRGBD, lowers Sim(3)-aligned absolute trajectory error (ATE) on all three pose benchmarks, and remains competitive on video-depth estimation. It completes all evaluated settings from 600 to 1000 sampled frames at about 19 FPS under the same protocol, whereas Point3R and InfiniteVGGT run out of memory at 800 frames and beyond.
• Abstract（参考訳）: ストリーミング3D再構成は、拡大するシーンをオンラインで処理しながら、各フレームから証拠を保存しなければならない。 空間記憶は、再構成された3D位置によって歴史を整理するので、自然に適合する。 しかし、Point3Rは空間的近接を利用して、新しい観測を既存のメモリエントリに関連付け、融合するかを判断し、コロケーションと状態アイデンティティを混同する。 ポインタはイメージパッチを要約するので、近くのポインタは異なる表面、視点、あるいは可視性条件を符号化することができる。 位置は、観測がマージすべきかどうかではなく、住所を決定するべきだと我々は主張する。 Slot3Rは、この原則をトレーニング不要で、複数の状態が共有アドレスで共存し、事前訓練されたPoint3Rのバックボーンを凍結させるような、セットアソシエイトなリファインメントとして実現している。 境界スパース読み込みは、フレーム単位のデコーダアクセスから永続的なストレージをさらに分離する。 300-500のサンプルフレームで、Slot3Rはポイント3Rのポイントクラウド精度誤差(Acc)を7Scenesで57.1%-63.1%、NeuralRGBDで64.0%-72.0%削減し、3つのベンチマークでSim(3)アラインの絶対軌道誤差(ATE)を下げ、ビデオ深度推定で競争力を維持する。 一方Point3RとInfiniteVGTは800フレーム以上でメモリが切れている。

関連論文リスト

• VideoReloc: Long-Term Indoor Video Relocalization against a Kilobyte-Scale Semantic Scene Graph [50.42050161026878]
  長時間の屋内ビデオ再配置は、照明や家具の変更後の地図フレームの軌跡を推定する。 ビジュアルメソッドは外観に依存し、これらの変更によって信頼性が低下する。 適応的なビデオクリップは、物体と動きの基準が満たされるまで、空間的証拠を集めるためにオドメトリーを使用する。
  論文  参考訳（メタデータ） (2026-09-18T14:16:41Z)
• Echo-Memory: A Controlled Study of Memory in Action World Models [58.77172260403133]
  本研究では,行動条件付き世界モデルにおける記憶機構の制御に関する研究を行う。 既存のメモリ設計と比較するのは難しいのは、ゲインにはバックボーン、トレーニング、検索、評価の違いが絡み合っているからである。 我々はEcho-Memoryを使ってアクション・ツー・ビデオのインタフェースを修正し、生成元によって履歴が保存され読み込まれるかだけを変える。
  論文  参考訳（メタデータ） (2026-06-08T17:54:10Z)
• Ray-Aware Pointer Memory with Adaptive Updates for Streaming 3D Reconstruction [19.132257919770947]
  連続画像ストリームからの3次元再構成には、正確な幾何集約と安定したメモリ管理が必要である。 空間的位置と視線方向の両方を明示的にモデル化した3次元再構成のためのレイアウェア・ポインターメモリを提案する。 われわれのアプローチは、画像ストリームからのスケーラブルでドリフトに耐性のあるオンライン3D再構成のための、原則化されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-05-07T06:42:11Z)
• 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)
• Mem3R: Streaming 3D Reconstruction with Hybrid Memory via Test-Time Training [8.037339305506656]
  ハイブリッドメモリ設計によるストリーミング3D再構成モデルであるMem3Rを提案する。 カメラトラッキングでは、Mem3Rは軽量のMulti-Layer Perceptronとして実装された暗黙の高速メモリを使用している。 幾何学的マッピングでは、Mem3Rは明示的なトークンベースの固定サイズ状態を維持している。
  論文  参考訳（メタデータ） (2026-04-08T16:41:22Z)
• 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)
• Point3R: Streaming 3D Reconstruction with Explicit Spatial Pointer Memory [72.75478398447396]
  我々は,高密度ストリーミング3D再構成を目的としたオンラインフレームワークであるPoint3Rを提案する。 具体的には、現在のシーンの3次元構造に直接関連した空間ポインタメモリを明示的に保持する。 本手法は,訓練コストの低い各種タスクにおいて,競争力や最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:56Z)
• 3D Reconstruction with Spatial Memory [9.282647987510499]
  本稿では,順序付きあるいは順序なしの画像コレクションから高密度な3次元再構成を行う新しいアプローチであるSpann3Rを提案する。 DUSt3Rパラダイムに基づいて構築されたSpann3Rは、トランスフォーマーベースのアーキテクチャを使用して、シーンやカメラパラメータに関する事前の知識を必要とせずに、画像から直接ポイントマップを回帰する。
  論文  参考訳（メタデータ） (2024-08-28T18:01:00Z)

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。