論文の概要: UniMetric: Universal Metric Scale Recovery for Visual Geometry Foundation Models

• arxiv url: http://arxiv.org/abs/2610.16945v1
• Date: Mon, 12 Oct 2026 15:18:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 04:03:29.895864
• Title: UniMetric: Universal Metric Scale Recovery for Visual Geometry Foundation Models
• Title（参考訳）: UniMetric: Visual Geometry Foundationモデルのためのユニバーサルメトリックスケールリカバリ
• Abstract要約: We present UniMetric, a universal and training-free metric scale recovery framework for geometry foundation model。 既知オブジェクトの未確定サイズは,再構成の共有スケールを協調的に制約できることを示す。 また,12のエンボディ,運転,路面部分集合をセンサ由来の地上真実で包含するMetricBenchを提示する。
• 参考スコア（独自算出の注目度）: 19.448764509766402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in multimodal foundation models, exemplified by GPT-6 Astra, raise the prospect of general-purpose embodied reasoning and planning. Using Internet videos for embodied pretraining calls for reliable physical-scale annotations. Yet visual geometry foundation models often recover scene structure and camera motion without reliable metric scale. We show that uncertain size priors of familiar objects can jointly constrain a reconstruction's shared scale. Building on this insight, we present UniMetric, a universal and training-free metric scale recovery framework for geometry foundation models, without additional sensors or task-specific metric supervision. Specifically, Metric Prior Acquisition elicits object height intervals from a vision-language model. Semantic-Geometric Alignment measures reconstructed object heights along the estimated support-surface normal in each frame and converts the priors into scale intervals. Global Scale Recovery reconciles these intervals through a convex objective, yielding a jointly feasible scale when they overlap and a unique compromise otherwise. The estimated sequence-level scale is applied uniformly to reconstructed points and camera translations. Controlled experiments with real VLM priors show that combining observations improves scale accuracy with exact relative object heights. To evaluate metric accuracy on GFM reconstructions without ground-truth scale alignment, we introduce MetricBench, covering twelve embodied, driving, and roadside subsets with sensor-derived ground truth. Across nine geometry foundation models, UniMetric reduces mean depth Abs Rel, reconstruction Chamfer distance, and trajectory error by 54.2%, 83.8%, and 65.6%, respectively, improving every model on all three tasks at the suite level. We release the UniMetric code and MetricBench data.
• Abstract（参考訳）: GPT-6 Astraによるマルチモーダル基礎モデルの最近の進歩は、汎用的な具体的推論と計画の見通しを高めている。 インターネットビデオを使って、信頼性の高い物理スケールのアノテーションのための事前訓練コールを具体化する。 しかし、視覚幾何学の基礎モデルはしばしば、信頼できるメートル法スケールなしでシーン構造とカメラモーションを復元する。 既知オブジェクトの未確定サイズは,再構成の共有スケールを協調的に制約できることを示す。 この知見に基づいて,UniMetricを提案する。UniMetricは,幾何学基礎モデルのための汎用的かつトレーニング不要な計量スケール回復フレームワークで,追加のセンサやタスク固有の計量監督を使わずに利用できる。 特に、メトリック事前取得は、視覚言語モデルからオブジェクトの高さ間隔を導き出す。 セマンティック・ジオメトリ・アライメント(Semantic-Geometric Alignment)は、各フレームにおける推定支持面の正規値に沿ってオブジェクトの高さを再構成し、先行値をスケールインターバルに変換する。 グローバルスケールリカバリ(Global Scale Recovery)は、これらの間隔を凸目標(convex objective)を通じて整合し、重なり合うと連立可能なスケールとなり、それ以外は独特な妥協をもたらす。 推定シーケンスレベルのスケールは、再構成された点とカメラ翻訳に一様に適用される。 実VLMプリエントを用いた制御実験により、観測を組み合わせることで、正確な相対的な物体の高さのスケール精度が向上することが示された。 地中構造スケールアライメントを使わずにGFM再構成の精度を評価するために,12個のエンボディ,駆動,路側部分集合をセンサ由来の地中真実でカバーするMetricBenchを導入する。 9つの幾何学基礎モデルにおいて、UniMetricは平均深度Abs Rel、チャムファー距離、軌道誤差を54.2%、83.8%、65.6%削減し、スイートレベルの3つのタスクの全てのモデルを改善する。 私たちはUniMetricコードとMetricBenchデータをリリースします。

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)
• Pumpire: Unified Benchmark for Metric Distance Estimation [54.236396473728696]
  Pumpireは、画像とビデオの両方の3D基礎モデルの計測点対距離推定能力を評価するためのベンチマークである。 代表的な3D基礎モデルの29のベースライン構成について広範な実験を行った。
  論文  参考訳（メタデータ） (2026-10-08T17:55:11Z)
• GRC-Pose: Generation-Reconstruction Correspondence for Prior-Free 6D Object Pose Tracking [33.40354728276394]
  事前自由な6Dオブジェクトのポーズトラッキングは、オブジェクト固有のCADモデルなしで、単一のRGBビデオから見えないオブジェクトの軌道を回復しようとする。 本稿では,学習した対応予測と頑健なポーズ推定を組み合わせた対応型フレームワークGRC-Poseを紹介する。 HOT3Dでは、最先端のAverage Recallとモーションリテンションを実現し、先行技術よりも58%向上している。
  論文  参考訳（メタデータ） (2026-09-30T06:53:31Z)
• Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics [16.80010144055988]
  Metric-Aware Geometry Perception (MAGP)は、幾何学的再構成のためのエンドツーエンドのプラグアンドプレイフレームワークである。 中心となるMetric Scale Equivariant Augmentationは、カメラパラメータと深度観測から距離幾何学を再構築することを奨励する。 フレキシブル・メトリック・コンディショニング(Flexible Metric Conditioning)は、カメラと深度入力の任意のビューカウントと組み合わせをサポートし、不均一なロボットセンシング構成に対する堅牢性を向上させる。
  論文  参考訳（メタデータ） (2026-08-27T02:07:22Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Empowering Feed-Forward Reconstruction Models with Metric Scale via Satellite Images [17.10424609165589]
  フィードフォワード3D再構成における規模のあいまいさを解消するための衛星誘導フレームワークを提案する。 再構成されたシーンと衛星基準との一貫性を強制することにより、モデルは絶対スケールを推定し、シーンの幾何学を洗練し、メートル法座標フレームにおけるカメラのポーズを推定する。
  論文  参考訳（メタデータ） (2026-06-06T14:44:04Z)
• Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
  手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。 カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。 我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T09:21:21Z)
• Geo6DPose: Fast Zero-Shot 6D Object Pose Estimation via Geometry-Filtered Feature Matching [0.0]
  Geo6DPoseは、ゼロショット6Dポーズ推定のための軽量で、完全にローカルで、トレーニング不要なパイプラインである。 Geo6DPoseは、1つのコモディティGPU上で、はるかに大きなゼロショットベースラインの平均リコールをマッチングしながら、サブ秒の推論を実現する。
  論文  参考訳（メタデータ） (2025-12-11T14:20:17Z)

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。