論文の概要: PURE: Refining Feed-forward 3D Reconstruction with Unlabeled Post-training

• arxiv url: http://arxiv.org/abs/2610.14698v1
• Date: Sat, 10 Oct 2026 08:16:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:10:19.539448
• Title: PURE: Refining Feed-forward 3D Reconstruction with Unlabeled Post-training
• Title（参考訳）: PURE:未ラベル後トレーニングによるフィードフォワード3次元再構成
• Abstract要約: 重要な制限は、高価な深さに依存し、カメラがアノテーションをポーズすることにある。 トレーニング後改良フレームワークである textbfPURE を提案する。 PUREはアノテーションに頼る代わりに、最先端の2Dプリエントから堅牢な構造知識を4Dフィードフォワードアーキテクチャに蒸留する。
• 参考スコア（独自算出の注目度）: 36.95828251140025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feed-forward 3D reconstruction models have achieved remarkable progress through large-scale training and strong learned priors. However, they remain fragile when applied to dynamic in-the-wild videos, where non-rigid motion, occlusions, and illumination changes are prevalent. A key limitation lies in their reliance on expensive depth and camera pose annotations, which hinders scaling to diverse real-world dynamic data and restricts generalization. To address this issue, we propose \textbf{PURE}, an unlabeled post-training refinement framework that improves depth and camera estimation without requiring ground-truth supervision. Instead of relying on annotations, PURE elegantly distills robust structural knowledge from state-of-the-art 2D priors into 4D feed-forward architectures. PURE leverages relative depth constraints, affine-invariant geometry distillation, and pose refinement based on feature correspondences to stabilize geometric predictions under challenging dynamic conditions. Extensive experiments on both synthetic and real-world dynamic benchmarks demonstrate that PURE delivers consistent improvements across multiple state-of-the-art architectures. Furthermore, our data-efficient paradigm effectively mitigates domain shifts, successfully unlocking the architectural limits of these base models in challenging, in-the-wild dynamic scenes.
• Abstract（参考訳）: フィードフォワード3次元再構成モデルは、大規模トレーニングと強力な学習先行を通じて顕著な進歩を遂げた。 しかし、非剛性な動き、閉塞、照明の変化が頻繁に見られるダイナミック・イン・ザ・ワイヤド・ビデオに適用した場合は、壊れやすいままである。 重要な制限は、高価な深さに依存しており、カメラはアノテーションをポーズし、様々な現実世界のダイナミックデータへのスケーリングを妨げ、一般化を制限する。 この問題に対処するため,本研究では,深度とカメラ推定を改善した未ラベルの訓練後改良フレームワークである「textbf{PURE}」を提案する。 PUREはアノテーションに頼る代わりに、最先端の2Dプリエントから堅牢な構造的知識を4Dフィードフォワードアーキテクチャにエレガントに蒸留する。 PUREは相対的な深さ制約、アフィン不変な幾何蒸留を利用し、特徴対応に基づく改良を行い、挑戦的な動的条件下で幾何予測を安定化させる。 総合的および実世界の動的ベンチマークに関する大規模な実験は、PUREが複数の最先端アーキテクチャに一貫した改善をもたらすことを示した。 さらに、我々のデータ効率のパラダイムは、ドメインシフトを効果的に軽減し、これらのベースモデルのアーキテクチャ上の限界を、挑戦的で夢中な動的シーンで解き放つことに成功しました。

関連論文リスト

• 4DVGGT-D: 4D Visual Geometry Transformer with Improved Dynamic Depth Estimation [38.64669047442234]
  そこで本研究では,静的から大まかに動的に切り離す学習自由なプログレッシブデカップリングフレームワークを提案する。 本手法は, 微調整を必要とせず, 頑健な4次元シーン再構成における競争性能を示す。
  論文  参考訳（メタデータ） (2026-05-12T12:13:36Z)
• World-R1: Reinforcing 3D Constraints for Text-to-Video Generation [36.18760315762835]
  本稿では,強化学習による映像生成を3次元制約に整合させるフレームワーク World-R1 を提案する。 事前学習した3D基礎モデルと視覚言語モデルからのフィードバックを用いてモデルを最適化する。 提案手法は,基礎モデルの本来の視覚的品質を保ちながら,3次元の一貫性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-04-27T17:59:56Z)
• The Dynamic Prior: Understanding 3D Structures for Casual Dynamic Videos [19.25337083769716]
  タスク固有のトレーニングなしで動的オブジェクトを堅牢に識別するために、Dynamic Prior(ourmodel)を導入します。 我々のモデルは、カメラポーズ最適化、深度再構成、および4次元軌道推定のための最先端パイプラインにシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-12-05T03:31:49Z)
• 4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos [52.89084603734664]
  静的および動的コンポーネントを2段階のアプローチで分離する,ポーズフリーな動的ニューラルネットワークレンダリングフレームワークである4D3Rを提案する。 提案手法は最先端手法よりも最大1.8dBPSNRの改善を実現する。
  論文  参考訳（メタデータ） (2025-11-07T13:25:50Z)
• DGS-LRM: Real-Time Deformable 3D Gaussian Reconstruction From Monocular Videos [52.46386528202226]
  Deformable Gaussian Splats Large Reconstruction Model (DGS-LRM)を紹介する。 動的シーンのモノクロポーズビデオから変形可能な3Dガウススプラットを予測する最初のフィードフォワード法である。 最先端のモノクロビデオ3D追跡手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2025-06-11T17:59:58Z)
• HAIF-GS: Hierarchical and Induced Flow-Guided Gaussian Splatting for Dynamic Scene [24.789092424634536]
  本稿では,スパースアンカー駆動変形による構造的・一貫した動的モデリングを実現する統合フレームワークHAIF-GSを提案する。 HAIF-GSは, レンダリング品質, 時間的コヒーレンス, 再構成効率において, 従来の動的3DGS法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-06-11T08:45:08Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)

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。