論文の概要: BAT3R: Robust Online 3D Reconstruction with Bayesian Adaptive State Updates

• arxiv url: http://arxiv.org/abs/2610.16330v1
• Date: Mon, 12 Oct 2026 07:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.329325
• Title: BAT3R: Robust Online 3D Reconstruction with Bayesian Adaptive State Updates
• Title（参考訳）: BAT3R: ベイジアン適応状態アップデートによるロバストオンライン3D再構成
• Abstract要約: ストリーム3D再構成はこのボトルネックに対処する。 2つの相乗的加群からなる学習自由ベイズ適応フレームワークであるBAT3Rを紹介する。 BAT3Rは、最先端のオンライン3D再構成方法よりも一貫して優れていることを示す。
• 参考スコア（独自算出の注目度）: 52.8467026754905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feed-forward transformer models have driven remarkable progress in 3D vision,yet their quadratic complexity renders them impractical for long video sequences. Streaming 3D reconstruction addresses this bottleneck by processing frames sequen?tially with constant memory. However, existing recurrent architectures inevitably suffer from progressive degradation over long sequences, as they fail to account for the intrinsic reliability of observations and the accumulated confidence of the historical state, leading to severe error accumulation. To address these issues, we introduce BAT3R, a training-free Bayesian adaptation framework comprising two synergistic modules: State Innovation Gating (SIG) and Bayesian-guided Adaptive State Updating (BASU). SIG acts as a distributional regularizer that anchors state evolution to its geometric initialization, effectively arresting representational drift during long-term inference. Building on this, BASU reformulates state update as a recursive Bayesian inference process within a Kalman filtering framework. By jointly modeling the temporal reliability of observations via information-theoretic gain and spatial relevance via cross-attention maps, BASU achieves an asymmetric spatio-temporal state fusion: well-consolidated historical regions are protected from redundant updates, while genuinely novel scene content is aggressively incor?porated. Extensive experiments on standard benchmarks (7-Scenes, TUM, ScanNet, KITTI, etc.) demonstrate that BAT3R consistently outperforms state-of-the-art online 3D reconstruction methods, with the most significant gains observed on long sequences and complex scenes.
• Abstract（参考訳）: フィードフォワードトランスフォーマーモデルは、3D視覚において顕著な進歩をもたらしている。 ストリーム3D再構成は、フレームのシークエント処理によって、このボトルネックに対処するのか? 常に記憶を保ちます しかし、既存のリカレントアーキテクチャは、観測の本質的な信頼性と歴史的状態の蓄積の信頼性を考慮できないため、必然的に長いシーケンスの進行劣化に悩まされ、重大なエラーの蓄積につながった。 BAT3Rは,2つの相乗的モジュール(SIG)とBayesian-Guided Adaptive State Updating (BASU))から構成されるトレーニングフリーのベイズ適応フレームワークである。 SIGは、状態の進化を幾何学的初期化に固定する分布正則化器として機能し、長期の推論中に表現的ドリフトを効果的に停止する。 これに基づいてBASUは、Kalmanフィルタリングフレームワーク内の再帰的ベイズ推論プロセスとして状態更新を再構成する。 BASUは、情報理論的な利得と空間的関連性を通じて観測の時間的信頼性を共同でモデル化することにより、非対称な時空間融合を実現している。 気まぐれだ 標準ベンチマーク(7-Scenes、TUM、ScanNet、KITTIなど)の大規模な実験は、BAT3Rが最先端のオンライン3D再構成手法より一貫して優れていることを示した。

関連論文リスト

• Info3R: Information-Adaptive Test-Time Training for 3D Reconstruction [8.127564137818698]
  オンライン3次元再構成のための新しい情報適応型テストタイムトレーニング手法を提案する。 本稿では,各フレームの冗長性と情報性に基づいて,状態更新強度を変調する情報認識状態更新を提案する。 提案手法は, カメラポーズ推定, 映像深度推定, 3次元再構成における一貫した改善を実現する。
  論文  参考訳（メタデータ） (2026-09-18T15:55:00Z)
• EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
  EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。 提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
  論文  参考訳（メタデータ） (2026-08-09T09:00:30Z)
• Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction [50.5449251266956]
  本稿では,長い映像シーケンスから大規模3Dシーンを再構築する作業について述べる。 近年のフィードフォワード再構成モデルでは,RGB画像からの3次元幾何を,明示的な3次元先行や幾何学的制約なく直接回帰することで,有望な結果を示している。 本稿では,長距離シーン情報を効率よく圧縮し,保持するニューラルグローバルコンテキスト表現を提案する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:50Z)
• FILT3R: Latent State Adaptive Kalman Filter for Streaming 3D Reconstruction [51.56484100374058]
  ストリーミング3D再構築は、受信フレームからオンラインで更新される永続的な潜伏状態を維持する。 FILT3Rは、トークン空間における状態推定として、リカレントな状態更新をキャストする。 コードはhttps://github.com/jinotter3/FILT3Rでリリースされる。
  論文  参考訳（メタデータ） (2026-03-19T04:56:36Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• OnlineX: Unified Online 3D Reconstruction and Understanding with Active-to-Stable State Evolution [34.8105632078785]
  フィードフォワードフレームワークであるOnlineXを導入し、ストリーミング画像のみを用いて3次元の視覚的外観と言語フィールドをオンライン的に再構築する。 我々のフレームワークは、メモリ状態を専用のアクティブな状態と永続的な安定な状態に分離し、その後、前者からの情報を結合して後者に融合させ、忠実性と安定性の両方を達成する。
  論文  参考訳（メタデータ） (2026-03-02T17:52:02Z)
• Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
  長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。 既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。 我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
  論文  参考訳（メタデータ） (2026-02-24T06:12:51Z)
• TTSA3R: Training-Free Temporal-Spatial Adaptive Persistent State for Streaming 3D Reconstruction [11.124244013253806]
  ストリーミングリカレントモデルは、永続的な状態表現を維持することで効率的な3D再構成を可能にする。 近年の手法では、アダプティブシグナルを注意視点から導き出すことによってこれを緩和している。 本稿では,時間的状態の進化と空間的観察品質の両面を活用する,TTSA3Rというトレーニングフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T06:14:42Z)

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。