論文の概要: Sharper Frames, Worse Rooms: Viewpoint Coverage Dominates Image Quality in Feed-Forward 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.15854v1
• Date: Sun, 11 Oct 2026 19:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 15:36:25.189389
• Title: Sharper Frames, Worse Rooms: Viewpoint Coverage Dominates Image Quality in Feed-Forward 3D Reconstruction
• Title（参考訳）: シャーパーフレーム, ワーズルーム: フィードフォワード3次元再構成における視点被覆が画像品質を左右する
• Abstract要約: 固定的なビュー予算の下では、シャープフレームの従来の嗜好は積極的に有害であることを示す。 私たちはこの失敗を、画質とカメラモーションの結合に辿り着きました。 視点の広がりとフレームごとのシャープネスを独立に操作する因子実験は、拡散が品質の主な効果の3倍であることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Grounded spatial reasoning about indoor scenes rests on a geometric reconstruction that the multimodal system does not itself produce. Feed-forward multi-view reconstruction models operate under a fixed view budget, making frame selection a critical upstream decision. We show that under this setting the conventional preference for sharp frames can be actively harmful. Across nine handheld room scans, selecting the sharpest 16 of 200 candidate frames is the worst strategy we test, reaching 48\% room dimension error where uniform temporal sampling reaches 3\%. We trace this failure to a coupling between image quality and camera motion: sharp frames tend to occur during slow motion and therefore concentrate the selection in a narrow angular region, leaving $192^\circ$ of the room unobserved in the case we illustrate and over $300^\circ$ in the worst cells. A $2\times2$ factorial experiment that independently manipulates viewpoint spread and per-frame sharpness shows that spread has roughly three times the main effect of quality, and that blurry but well spread selections outperform sharp but clustered selections in 8 of 9 captures. The advantage also diminishes as the frame budget increases and angular coverage saturates, consistent with this mechanism. Finally, we ask whether the failure is detectable at inference: the reconstruction model's multi-view consistency score increases with reconstruction error, while a vision-language model given the same frames reports confidence unrelated to its own spatial estimation error. Under small view budgets, viewpoint coverage is a more important constraint than per-frame image quality, and neither uncertainty signal available at inference reveals this upstream failure.
• Abstract（参考訳）: 屋内シーンに関する地上空間推論は、マルチモーダルシステム自体が生成しない幾何学的再構成に基づいている。 フィードフォワードの多視点再構成モデルは、固定ビュー予算の下で動作し、フレーム選択が重要な上流決定となる。 この設定下において、シャープフレームの従来の嗜好は積極的に有害であることを示す。 200のフレームのうち最もシャープな16を選別する9つのホールドルームスキャンにおいて,一様時空間サンプリングが3\%に達すると,48\%の部屋次元誤差に達するという,テストの最悪の戦略である。 シャープフレームはスローモーション中に発生する傾向があるため、狭い角度の領域で選択を集中させ、最悪の細胞では192^\circ$が観測されない場合、300^\circ$以上となる。 フレームごとのシャープネスを独立に操作する2ドル(約2万2000円)のファクター実験では、スプレッドは品質の約3倍の効果があり、ぼやけながらよく散らばった選択はシャープだが、9つのキャプチャのうち8つではクラスタ化された選択よりも優れていることが示されています。 フレーム予算が増加し、角のカバレッジが飽和するにつれて、その利点も減少する。 最後に、再構成モデルの多視点整合性スコアは、再構成誤差によって増大し、同じフレームを与えられた視覚言語モデルは、自身の空間推定誤差とは無関係な信頼を報告する。 小さなビューの予算の下では、視点カバレッジはフレーム単位の画質よりも重要な制約であり、推論で利用可能な不確実性信号も、上流の障害を明らかにしない。

関連論文リスト

• Again-Pose: Anchor-Guided Adaptive Inter-Frame Motion Cues Propagating for High-quality Human Pose Reconstruction [4.345128976485766]
  Anchor-guided Adaptive Inter-frame Motion cues propagating (Again-Pose) という,シンプルで効果的なフレームワークを提案する。 動き誘導型回復作業としての劣化フレームにおけるポーズポーズの再検討 標準ベンチマーク(Human3.6M, 3DPW, PoseTrack)と挑戦的なFineDivingデータセットの実験により、Return-Poseは堅牢性と安定性において最先端の手法を大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-06-28T06:37:50Z)
• ConfCtrl: Enabling Precise Camera Control in Video Diffusion via Confidence-Aware Interpolation [24.89894187462497]
  ConfCtrlは、カメラ誘導拡散モデルが未確認領域を完了しながら所定のポーズに従うことを可能にする、自信に敏感なビデオフレームワークである。 実験により、ConfCtrlは幾何学的に整合性があり、視覚的に可視性のある新しいビューを生成し、大きな視点変化の下で隠蔽領域を効果的に再構築することを示した。
  論文  参考訳（メタデータ） (2026-03-10T15:44:48Z)
• Diversity over Uniformity: Rethinking Representation in Generated Image Detection [22.020742109848317]
  我々は、確実に生成された画像検出は、単一の決定経路に依存するのではなく、複数の判断視点を維持するべきであると論じている。 本稿では,タスク非関係なコンポーネントをフィルタし,表現空間における様々なフォージェリーキュー間の過剰なオーバーラップを抑えるアンチファイン・コラプス学習フレームワークを提案する。 この設計は、モデル内で多様な補完的な証拠を維持し、小さな敬意的な手がかりへの依存を減らし、目に見えない生成条件下で堅牢性を高める。
  論文  参考訳（メタデータ） (2026-02-28T15:42:12Z)
• Joint Learning of Depth, Pose, and Local Radiance Field for Large Scale Monocular 3D Reconstruction [0.21847754147782883]
  大規模シーンにおいて、奥行き、ポーズ、放射能を分離して解決する場合に、モノクルビデオからの光現実的3次元再構成が崩壊する。 3つの要因をすべて結合し、各障害ケースを実証的に克服する、共同学習フレームワークを導入します。 その結果, 1台のRGBカメラから, 計量スケール, ドリフトフリー3次元再構成, 高忠実度ノベルビュー合成が実現可能であることがわかった。
  論文  参考訳（メタデータ） (2025-12-20T06:37:41Z)
• GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
  ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。 既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。 ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
  論文  参考訳（メタデータ） (2025-06-30T15:24:27Z)
• Blurry-Consistency Segmentation Framework with Selective Stacking on Differential Interference Contrast 3D Breast Cancer Spheroid [1.1374578778690618]
  複数のzスライスの下で3D細胞を捕獲しながら撮影されたアウト・オブ・フォーカスの写真は、ディープラーニングモデルに悪影響を及ぼす可能性がある。 我々は、積み重ねられた画像の品質を維持しながら、ぼやけた画像を扱う新しいアルゴリズムを開発した。 新しいぼやけた積み重ね技術とトレーニングフローと、提案されたアーキテクチャと自己学習メカニズムを組み合わせることで、革新的で使いやすいフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-06-08T04:31:36Z)
• Surveillance Face Anti-spoofing [81.50018853811895]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。 多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
  論文  参考訳（メタデータ） (2023-01-03T07:09:57Z)
• Towards Interpretable Video Super-Resolution via Alternating Optimization [115.85296325037565]
  低フレームのぼかしビデオから高フレームの高解像度のシャープビデオを生成することを目的とした実時間ビデオ超解法(STVSR)問題について検討する。 本稿では,モデルベースと学習ベースの両方の手法を用いて,解釈可能なSTVSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-21T21:34:05Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• Improving robustness against common corruptions with frequency biased models [112.65717928060195]
  目に見えない画像の腐敗は 驚くほど大きなパフォーマンス低下を引き起こします 画像の破損タイプは周波数スペクトルで異なる特性を持ち、ターゲットタイプのデータ拡張の恩恵を受けます。 畳み込み特徴マップの総変動(TV)を最小限に抑え、高周波堅牢性を高める新しい正規化方式を提案する。
  論文  参考訳（メタデータ） (2021-03-30T10:44:50Z)

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。