論文の概要: FoundationVIO: Enforcing Metric Scale in Feed-forward Visual-Inertial Odometry

• arxiv url: http://arxiv.org/abs/2610.14951v1
• Date: Sat, 10 Oct 2026 14:24:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 03:14:56.017753
• Title: FoundationVIO: Enforcing Metric Scale in Feed-forward Visual-Inertial Odometry
• Title（参考訳）: FoundationVIO: フィードフォワード視覚慣性オドメトリーにおけるメトリックスケールの強化
• Abstract要約: 我々は,慣性センシングとGFM予測を統合したFoundationVIOを導入し,計量スケールの復元を行った。 従来のVIO法や高精度な高密度再構成と競合するオドメトリ推定を実証する。 また、完全な Visual-Inertial SLAM システムを構築するために、最小限の GFM ベースのループ閉鎖機構も追加します。
• 参考スコア（独自算出の注目度）: 9.533962235879214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feed-forward geometric foundation models (GFMs) directly predict dense geometry and camera poses from batches of images. Emerging visual SLAM methods chain together consecutive GFM batches to form dense point cloud maps. A core challenge is how to address the ambiguous geometric scale of GFM predictions: independent predictions are locally consistent up-to-scale but not constrained by any direct physical measurements. Models trained on data with known scale improve the consistency of GFM reconstructions but again do not directly measure it. Consequently, trajectories and 3D reconstructions from GFM-enabled SLAM methods inherit this issue. Motivated by parallels with classical visual-inertial odometry, we introduce FoundationVIO which integrates inertial sensing with GFM predictions to recover metric scale reconstruction using a factor-graph based approach. We demonstrate odometry estimates competitive with classical state-of-the-art VIO methods and accurate dense reconstructions that outperform GFM-enabled SLAM methods. We also add a minimal GFM-based loop-closure mechanism to create a full Visual-Inertial SLAM system capable of creating globally accurate reconstructions and pose estimates. We evaluate our method on three datasets with well known sensor systems and demonstrate its compatibility on ubiquitous camera and IMU sensors. The method runs at approximately real-time on a consumer-grade laptop GPU. Code: https://github.com/ori-drs/FoundationVIO.
• Abstract（参考訳）: フィードフォワード幾何基礎モデル(GFM)は、画像のバッチから密度の高い幾何学とカメラのポーズを直接予測する。 視覚的SLAM法は連続したGAMバッチを連鎖して高密度の点雲マップを形成する。 GFM予測の曖昧な幾何学的スケールにどう対処するかが主な課題であり、独立予測は局所的に一貫したものの、直接の物理的測定には拘束されない。 既知のスケールで訓練されたモデルでは、GFM再構成の一貫性が向上するが、直接測定することはない。 その結果、GFM対応SLAM法からの軌跡と3D再構成がこの問題を継承した。 古典的視覚慣性計測と平行して動機付けされたファウンデーションVIOは、慣性センシングとGFM予測を統合して、因子グラフに基づく手法を用いてメートル法スケール再構成を復元する。 我々は,従来のVIO法と競合するオドメトリ推定と,GFM対応SLAM法より優れた精度の高精度な再構成を実演する。 また,GFMに基づくループ閉鎖機構を最小限に追加して,世界規模で正確な再構築と推定値の合成が可能な,完全なVisual-Inertial SLAMシステムを構築した。 本手法は,センサシステムでよく知られた3つのデータセットを用いて評価し,ユビキタスカメラとIMUセンサとの互換性を実証する。 この方法は、コンシューマグレードのラップトップGPU上で、ほぼリアルタイムで実行される。 コード:https://github.com/ori-drs/FoundationVIO。

関連論文リスト

• MIRAGE: Metric Inference and Reliability-Aware Gaussian Estimation from Feed-Forward Vision [93.94532245173828]
  フィードフォワードの3Dプリエントは信頼性の高いメートル法を欠き、長期の軌道漂流に悩まされることが多い。 対照的に、LiDAR-慣性推定はメートル法的に正確な動きを提供するが、高忠実度再構成に必要な画像空間の整合性は欠いている。 We propose $MIRAGE$, which is anchors feed-forward visual geometry to LiDAR-IMU metric motion and regulations online pose corrects。
  論文  参考訳（メタデータ） (2026-10-08T18:00:56Z)
• ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM [10.058942794895703]
  本稿では,従来の機能ベースSLAMを基盤モデル(GFM)と統合し,低レイテンシのロバストな追跡を行う脱結合フレームワークを提案する。 提案手法は,既存手法よりも10%～20%精度を向上しつつ,軌道精度を向上する。 提案手法は,既存手法に比べて10%～20%精度が向上し,軌道精度が向上することを示す。
  論文  参考訳（メタデータ） (2026-05-29T19:34:00Z)
• PRISM-SLAM: Probabilistic Ray-Grounded Inference for Scale-aware Metric SLAM [0.0]
  PRISM-SLAMは、VFMプリエントを構造化ベイズ因子グラフに厳密に統合するリアルタイムフレームワークである。 我々は,一貫した距離座標系内の絶対空間における単分子観測を固定するために,チャンカー線距離係数を導入する。 VFM推論と幾何追跡を非同期に処理するマルチプロセスアーキテクチャを利用することで、PRISM-SLAMはRGB入力のみを使用して、30FPSで検証済みのメトリック出力を提供する。
  論文  参考訳（メタデータ） (2026-05-19T02:10:04Z)
• MASt3R-Fusion: Integrating Feed-Forward Visual Model with IMU, GNSS for High-Functionality SLAM [12.158063913401575]
  フィードフォワード・ポイントマップ・レグレッションと相補的なセンサ情報を統合するマルチセンサ支援視覚SLAMフレームワークMASt3R-Fusionを提案する。 実時間スライディングウインドウ最適化とアグレッシブループ閉鎖を伴う大域的最適化の両立が可能な階層的因子グラフ設計法を開発した。 我々は、公開ベンチマークと自己収集データセットの両方に対するアプローチを評価し、精度とロバスト性を大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-09-25T05:26:28Z)
• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)

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。