論文の概要: Graph3R: Unifying View Graph Initialization with Feed-Forward Reconstruction

• arxiv url: http://arxiv.org/abs/2610.16272v2
• Date: Sat, 17 Oct 2026 08:44:22 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:07:01.202857
• Title: Graph3R: Unifying View Graph Initialization with Feed-Forward Reconstruction
• Title（参考訳）: Graph3R: フィードフォワード再構成によるビューグラフ初期化の統合
• Abstract要約: 不正確な画像コレクションは、しばしば不規則なシーンからのビューを含んでおり、これらのビューを共同で再構築することは、カメラのポーズや幾何学を損なう可能性がある。 ビューグラフとフィードフォワード再構成を共有幾何表現で統合するGraph3Rを導入する。 3つのベンチマークで、Graph3Rは平均的な最大リコールを100%精度で改善し、ベースラインの最大8.99ポイントまで改善した。
• 参考スコア（独自算出の注目度）: 32.502639835704315
• License:
• Abstract: Feed-forward reconstruction recovers camera poses and dense geometry from image sets whose views are assumed to come from a single scene. In practice, uncurated image collections often contain views from disjoint scenes, and reconstructing these views jointly can corrupt camera poses and geometry. Existing pipelines typically resolve view associations in separate stages before final reconstruction, leaving view graph initialization and reconstruction inference only loosely coupled. We introduce Graph3R, which unifies view graph initialization with feed-forward reconstruction through a shared geometric representation. A lightweight verification head predicts pairwise covisibility from the multi-view features of $π^3$ to construct a view graph. This graph classifies the input views into scene groups. For each group, we mask the shared features before decoding camera poses and dense geometry. Reusing the multi-view features allows Graph3R to reconstruct disjoint scenes separately with a single backbone pass. Across three benchmarks, Graph3R improves average maximum recall at 100% precision by upto 8.99 percentage points over the baseline, while improving reconstruction quality on mixed-scene inputs. Regarding the multi-session mapping task, Graph3R improves cross-session localization and achieves competitive pose estimation accuracy, while delivering a runtime speedup of approximately $35.9\times$ over the baseline when reconstructing the query group. By integrating learned view association with geometric inference, our approach takes a step toward end-to-end reconstruction from uncurated image collections.
• Abstract（参考訳）: フィードフォワード復元は、単一のシーンからのビューを想定した画像集合から、カメラのポーズと密度の高い幾何学を復元する。 実際には、未処理のイメージコレクションは、しばしば不規則なシーンからのビューを含んでおり、これらのビューを共同で再構築することは、カメラのポーズや幾何学を損なう可能性がある。 既存のパイプラインは通常、最終的な再構築の前に別々の段階でビューアソシエーションを解決し、ビューグラフの初期化と再構成の推論は緩やかに結合されているだけである。 ビューグラフの初期化とフィードフォワード再構成を共有幾何表現で統合するGraph3Rを導入する。 軽量検証ヘッドは、π^3$の多視点特徴からペアワイズ可視性を予測し、ビューグラフを構築する。 このグラフは、入力ビューをシーングループに分類する。 各グループについて、デコードされたカメラのポーズと密集した幾何の前に、共有する特徴を隠蔽する。 マルチビュー機能を再利用することで、Graph3Rは分離されたシーンを単一のバックボーンパスで分離的に再構築することができる。 3つのベンチマークで、Graph3Rは平均最大リコールを100%精度で改善し、ベースライン上で最大8.99ポイントまで改善し、混合シーン入力の再現品質を改善した。 マルチセッションマッピングタスクに関して、Graph3Rはクロスセッションのローカライゼーションを改善し、競合するポーズ推定精度を実現し、クエリグループを再構築する際に、ベースライン上で約35.9\times$のランタイムスピードアップを提供する。 幾何学的推論と学習されたビューアソシエーションを統合することにより,未修正画像からのエンド・ツー・エンドの再構築に向けた一歩を踏み出した。

関連論文リスト

• GenRec: Knowing Where to Reconstruct and Where to Generate [106.48347271421765]
  GenRecは、再構築世代をそのアーキテクチャ、監督、勾配フローに直接分割するフローマッチングモデルである。 観察された領域で最高の復元忠実度を達成し、また、観測されていない領域では、知覚的品質の純粋に生成的ベースラインを超越する。
  論文  参考訳（メタデータ） (2026-08-18T14:31:19Z)
• SplatGuide: Geometric Priors from 3D Gaussians for Pose-Free Novel View Synthesis [42.23526579547921]
  SplatGuideは、3つの補完的な役割で1つの3DGSシーンを再利用する。 ガウス単位のソースビューインデックスは、ターゲットビュー投票マップに描画される。 レコンストラクショントークンは、クロスアテンションを介して特徴レベルのガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-08-17T17:45:57Z)
• ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures [18.468596508491967]
  ReSceneは、パイプライン全体のマルチビュージオメトリを統一前のものとしてスレッドするフレームワークである。 HierViewはセマンティックな一貫性と3Dカバレッジに基づいた再構築ビューを優先する。 ReSceneは、ScanNetの一連のシーンで、幾何学、レンダリング、知覚的品質をまたいだ、新しい最先端のアートをセットする。
  論文  参考訳（メタデータ） (2026-06-26T13:08:40Z)
• $π^3$: Permutation-Equivariant Visual Geometry Learning [65.81605424082434]
  $pi3$はフィードフォワードニューラルネットワークで、視覚的幾何学的再構成に対する新しいアプローチを提供する。 pi3$は、アフィン不変のカメラポーズとスケール不変のローカルポイントマップを予測するために、完全な置換同変アーキテクチャを使用している。
  論文  参考訳（メタデータ） (2025-07-17T17:59:53Z)
• DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
  閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。 私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
  論文  参考訳（メタデータ） (2025-06-26T17:58:26Z)
• MV-DUSt3R+: Single-Stage Scene Reconstruction from Sparse Views In 2 Seconds [56.77548728485841]
  本稿では,高速な単一ステージフィードフォワードネットワークMV-DUSt3Rを提案する。 コアとなるのはマルチビューデコーダブロックで、単一の参照ビューを考慮しながら、任意のビュー間で情報を交換する。 さらに,参照ビュー選択に頑健な手法として,参照ビュー選択の異なる情報を融合するために,参照ビューブロックを用いたMV-DUSt3R+を提案する。
  論文  参考訳（メタデータ） (2024-12-09T20:34:55Z)
• Scene Coordinate Reconstruction: Posing of Image Collections via Incremental Learning of a Relocalizer [21.832249148699397]
  シーンを描写した画像からカメラパラメータを推定するタスクに対処する。 学習に基づく再ローカライズ手法であるシーン座標回帰により、未提示画像から暗黙的なニューラルシーン表現を構築することができることを示す。
  論文  参考訳（メタデータ） (2024-04-22T17:02:33Z)
• RelPose++: Recovering 6D Poses from Sparse-view Observations [66.6922660401558]
  スパースビュー画像集合(2-8画像)から6次元カメラポーズを推定する作業に対処する。 我々は,画像対上の相対回転よりも分布を推定するネットワークを学習するRelPoseフレームワークを構築した。 最終システムは,先行技術よりも6次元ポーズ予測を大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-08T17:59:58Z)

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。