論文の概要: GeoForward: Geometry-Guided Cross-View Alignment for Feedforward 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.23895v1
• Date: Mon, 28 Sep 2026 15:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:49:25.691107
• Title: GeoForward: Geometry-Guided Cross-View Alignment for Feedforward 3D Gaussian Splatting
• Title（参考訳）: GeoForward:Feedforward 3D Gaussian SplattingのためのGeoometry-Guided Cross-Viewアライメント
• Abstract要約: 我々は3次元再構成のための新しいパラダイムである textbfGeometry-Conditioned Feedforward Reconstruction を提案する。 計量幾何学は、3D表現が形成される前に、クロスビュー対応を確立する。 GeoForwardは、比較手法の中で、最小のクロスカメラ深度一致誤差とチャンファー距離を達成している。
• 参考スコア（独自算出の注目度）: 11.512888199820368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feedforward 3D reconstruction has largely followed an {appearance-driven paradigm}: multi-view images are encoded into visual representations, cross-view correspondence is implicitly inferred from learned features, and 3D primitives are subsequently predicted from these representations. However, calibrated cameras and sparse metric measurements already provide explicit constraints on where the same physical point should appear across views. We propose a novel paradigm, \textbf{Geometry-Conditioned Feedforward Reconstruction}, in which metric geometry establishes cross-view correspondence before the 3D representation is formed, while learned visual features refine rather than discover this correspondence. Based on this paradigm, we introduce \textbf{GeoForward}. Sparse LiDAR points are unprojected into 3D and analytically projected across calibrated cameras to provide metric correspondence anchors. A bounded continuous local search then refines these anchors using visual features, and the resulting geometry-conditioned representation is fused with global multi-view context from VGGT. The shared representation drives separate metric-depth and Gaussian-attribute prediction, establishing a direct path from explicit geometry to both Gaussian centers and spatial attributes. A sparse 3D refinement module subsequently improves local attribute compatibility while preserving the geometrically determined centers. For temporal reconstruction, endpoint Gaussians are composed using vehicle masks and motion priors. On nuScenes, GeoForward achieves the lowest cross-camera depth-consistency error and Chamfer distance among the compared methods while maintaining competitive reconstruction quality. These results demonstrate that explicitly conditioning correspondence formation on metric geometry provides an effective alternative to purely appearance-driven feedforward 3D reconstruction.
• Abstract（参考訳）: マルチビュー画像は視覚表現に符号化され、クロスビュー対応は学習した特徴から暗黙的に推論され、3Dプリミティブはこれらの表現から予測される。 しかし、キャリブレーションされたカメラとスパース測定は、ビュー全体で同じ物理的ポイントがどこに現れるべきかという明確な制約をすでに提供しています。 本稿では、3次元表現が形成される前に、距離幾何学がクロスビュー対応を確立し、学習された視覚的特徴は、この対応を発見せず洗練する、新しいパラダイムである「textbf{Geometry-Conditioned Feedforward Reconstruction」を提案する。 このパラダイムに基づいて、textbf{GeoForward}を紹介する。 スパースLiDARポイントは3Dに投影されず、キャリブレーションされたカメラに解析的に投影され、メートル法対応アンカーを提供する。 境界付き局所探索は視覚的特徴を用いてこれらのアンカーを洗練し、結果として得られる幾何条件の表現はVGGTのグローバルなマルチビューコンテキストと融合する。 共有表現は異なる計量深度とガウス属性の予測を駆動し、明示的な幾何学からガウス中心と空間的属性の両方への直接的な経路を確立する。 その後、スパース3Dリファインメントモジュールは、幾何学的に決定された中心を保存しながら、局所特性の整合性を改善する。 時間的再構成のために、エンドポイント・ガウスアンは車両マスクとモーション・プレファレンスを使って構成される。 nuScenesでは、GeoForwardは、競合する再構成品質を維持しつつ、比較手法の中で、最小のクロスカメラ深度一致誤差とチャンファー距離を達成している。 これらの結果は,距離幾何学における条件付き対応形成が,純粋に外見駆動のフィードフォワード3D再構成に有効な代替手段であることを示している。

関連論文リスト

• IntriAdapt: Generalizable Intrinsic-Guided Test-Time Adaptation for Metric Geometry Estimation [60.81776192635288]
  現在の幾何学モデルは、推論中に供給されたまたは予測された内生学を取り入れているが、モデル適応を監督するためにそれらを使用しない。 この閉形式幾何学的残差を最小限に抑えるフレームワークである textitIntriAdapt を提案する。 10のシングルイメージと7つのシークエンスベンチマークの実験では、textitIntriAdaptは、メートル法精度と相対幾何学において、未適応とオラクル-内在の両方のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-10-17T10:22:45Z)
• RelationVGGT: Visual Geometry Transformers for 3D Spatial Relation Segmentation [60.646139728534195]
  フィードフォワードでポーズフリーなマルチビュー設定で3次元空間関係のセグメンテーションを定式化する。 視覚基盤モデルから意味的特徴と3次元幾何学基礎モデルからの幾何認識表現を統合する新しいフィードフォワードフレームワークであるRelationVGGTを提案する。
  論文  参考訳（メタデータ） (2026-10-01T03:00:27Z)
• Learning Propagation Geometry from Message-Passing Feedback [58.684834960683226]
  GeoFは、メッセージパッシングフィードバックを通じてノード機能と伝搬幾何学を進化させる、反復的なフレームワークである。 ベンチマークデータセットの実験は、GeoFが最先端のGNNベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-09-28T09:22:49Z)
• Geometry-Grounded Unified 3D Perception for Autonomous Driving [36.11730832045922]
  カメラベースの自律運転認識には、同期マルチカメラストリーム間のメートル法3D構造を保存する共有表現が必要である。 本稿では、VGGTの再構成指向の潜伏を校正・ストリーミング駆動シーンに適応させる、幾何グラウンドの統一3次元知覚フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-13T12:17:50Z)
• Geometry Matters: 3D Foundation Priors for Learning Semantic Correspondence [28.529731030882065]
  意味的対応推定のための3D認識後学習フレームワークを提案する。 我々はSAM3Dを用いてオブジェクトの形状とポーズを推定し、レンダリング・アンド・コンペア最適化によりポーズを洗練する。 結果として得られる幾何学的特徴マップは、DINOとStable Diffusionの特徴を補完する。
  論文  参考訳（メタデータ） (2026-05-28T15:37:59Z)
• IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
  ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。 IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。 連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2026-05-15T17:59:57Z)
• Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
  UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。 エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。 第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。 第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
  論文  参考訳（メタデータ） (2026-04-12T10:36:18Z)
• GGPT: Geometry Grounded Point Transformer [22.64445696362087]
  本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。 この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
  論文  参考訳（メタデータ） (2026-03-11T18:00:04Z)
• Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
  Dens3Rは幾何学的密度予測のための3次元基礎モデルである。 画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
  論文  参考訳（メタデータ） (2025-07-22T07:22:30Z)

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。