論文の概要: Why 3D Reconstruction Breaks Down on Under-Ice AUV Video, and How to Predict It
- arxiv url: http://arxiv.org/abs/2610.19993v1
- Date: Wed, 14 Oct 2026 11:10:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.110249
- Title: Why 3D Reconstruction Breaks Down on Under-Ice AUV Video, and How to Predict It
- Title（参考訳）: アンダーアイスAUVビデオで3Dレコンストラクションが壊れる理由と予測方法
- Abstract要約: アンダーアイスAUV映像を用いた3次元構造の再構成は不正確である。
本稿では、このタイプの故障を数時間の無駄な計算ではなく数分で検知するシステムを提案する。
- 参考スコア（独自算出の注目度）: 4.292007437462595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstruction of 3D structures using under-ice AUV video footage has been inaccurate, although it is not certain whether this is due to shortcomings in the methods or an inherent deficiency of the capture system. We test four different models for reconstruction on the same Antarctic under-ice AUV video (Icefin, Kamb Ice Stream): classical feature matching SfM, differentiable photometric splatting, volumetric depth fusion, and a pose-free feed-forward foundation model. All four fail, each in a distinct way: near-total registration yielding almost no structure, geometrically broken output despite healthy photometric metrics, a persistent coverage artifact, and unstable cross-chunk scale. We show that all four are consistent with the same capture regime, a small camera-baseline-to-scene-depth ratio. Following our analysis, we propose a detection system that flags this type of failure in minutes, rather than hours of wasted compute.
- Abstract（参考訳）: アンダーアイスAUV映像を用いた3次元構造物の復元は不正確であるが, 撮影方法の欠点や撮影システム固有の欠陥が原因かは定かでない。
南極のアンダーアイスAUVビデオ (Icefin, Kamb Ice Stream) 上で, 古典的特徴マッチングSfM, 微分可能光度スプラッティング, 体積深度融合, ポーズフリーフィードフォワード基礎モデルを用いて, 再構成を行う。
4つともそれぞれ異なる方法で失敗する: ほぼ完全な登録は、構造がほとんどなく、幾何的にアウトプットが壊れるが、健全な測光測定値、永続的なカバレッジアーティファクト、不安定なクロスチャンクスケールである。
これら4種はいずれも,カメラベースラインとシーンの深度比の小さい,同じ捕獲条件と一致していることを示す。
そこで本研究では,このタイプの故障を数時間の無駄計算ではなく数分で検知するシステムを提案する。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems [55.84012796735184]
近年,3次元再構築システムの入力ビューについて検討している。
本稿では,対向的摂動を最適化し,対面不整合を意図的に導入するPoInit-of-Viewを提案する。
実験により,多種多様な3次元再構成システムとデータセットに対するPoInit-of-Viewの有効性が示された。
論文 参考訳（メタデータ） (2026-04-17T00:48:12Z) - Free Geometry: Refining 3D Reconstruction from Longer Versions of Itself [38.95274911975506]
Free Geometryは、フィードフォワードの3D再構成モデルが3D基底の真理なしにテスト時に自己進化することを可能にするフレームワークである。
当社のアプローチは、4つのベンチマークデータセットにまたがって、Depth Anything 3やVGGTといった最先端の基礎モデルを継続的に改善しています。
論文 参考訳（メタデータ） (2026-04-15T16:24:03Z) - 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) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - Towards 3D Scene Reconstruction from Locally Scale-Aligned Monocular
Video Depth [90.33296913575818]
映像深度推定や映像からの3次元シーン再構成のようなビデオベースのシナリオでは、フレームごとの予測における未知のスケールとシフトが深度の不整合を引き起こす可能性がある。
局所重み付き線形回帰法を提案する。
提案手法は,複数のゼロショットベンチマークにおいて,既存の最先端手法の性能を50%向上させることができる。
論文 参考訳（メタデータ） (2022-02-03T08:52:54Z) - Endo-Depth-and-Motion: Localization and Reconstruction in Endoscopic
Videos using Depth Networks and Photometric Constraints [12.065803181395667]
シーンの再構築と、身体内の動画からのカメラの動きの推定は、いくつかの要因により困難です。
このパイプラインは、単眼内視鏡映像から6度の自由度カメラポーズと高密度3Dシーンモデルを推定する。
論文 参考訳（メタデータ） (2021-03-30T17:29:31Z) - Coherent Reconstruction of Multiple Humans from a Single Image [68.3319089392548]
本研究では,1枚の画像から多人数の3Dポーズ推定を行う問題に対処する。
この問題のトップダウン設定における典型的な回帰アプローチは、まずすべての人間を検出し、それぞれを独立して再構築する。
我々のゴールは、これらの問題を回避し、現場のすべての人間のコヒーレントな3D再構成を生成するために学習する単一のネットワークをトレーニングすることである。
論文 参考訳（メタデータ） (2020-06-15T17:51:45Z)
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。