論文の概要: IntriAdapt: Generalizable Intrinsic-Guided Test-Time Adaptation for Metric Geometry Estimation

• arxiv url: http://arxiv.org/abs/2610.24607v1
• Date: Sat, 17 Oct 2026 10:22:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:21:00.819196
• Title: IntriAdapt: Generalizable Intrinsic-Guided Test-Time Adaptation for Metric Geometry Estimation
• Title（参考訳）: IntriAdapt: 計量幾何推定のための固有誘導テスト時間適応
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 60.81776192635288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recovering metric 3D geometry from images is fundamentally ill-posed due to perspective projection ambiguity. Current geometry models incorporate supplied or predicted intrinsics during inference, but do not use them to supervise model adaptation. To refine these predictions, test-time adaptation (TTA) typically relies on external depth measurements. In this paper, we instead use camera intrinsics as an output-side geometric verifier. Comparing the point cloud's viewing rays with those defined by the known intrinsics yields a direct measure of geometric inconsistency. We propose \textit{IntriAdapt}, a TTA framework that minimizes this closed-form geometric residual. By optimizing a lightweight LoRA adapter on a frozen geometry foundation model, our method aligns the prediction with the specific camera model without depth sensors or external priors. We further extend this approach to video sequences, demonstrating that adapting a short sequence generalizes to other sequences captured by the same camera. The adapted model processes held-out images in a feed-forward pass, without repeating optimization for each frame. Experiments on ten single-image and seven sequence benchmarks across multiple base models show that \textit{IntriAdapt} consistently outperforms both unadapted and oracle-intrinsics baselines in metric accuracy and relative geometry.
• Abstract（参考訳）: 画像からメートル法3次元幾何を復元することは、視線投影の曖昧さのため、基本的に不適切である。 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。 これらの予測を洗練させるためには、テスト時間適応(TTA)は一般的に外部の深さ測定に依存する。 本稿では,出力側幾何検定器としてカメラ固有の手法を用いる。 点雲の観測線と既知の固有点によって定義されるものを比較すると、幾何学的不整合の直接測度が得られる。 この閉形式幾何学的残差を最小化する TTA フレームワークである \textit{IntriAdapt} を提案する。 凍結幾何基礎モデル上で軽量なLoRAアダプタを最適化することにより、奥行きセンサや外部の事前を使わずに、特定のカメラモデルと予測を一致させる。 我々は、このアプローチをさらにビデオシーケンスに拡張し、ショートシーケンスの適応が、同じカメラでキャプチャされた他のシーケンスに一般化されることを実証する。 適応されたモデルは、各フレームの最適化を繰り返すことなくフィードフォワードパスでホールドアウト画像を処理します。 複数のベースモデルにまたがる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により、 \textit{IntriAdapt} は、メートル法精度と相対幾何学において、非適応性およびオラクル-内在性の両方のベースラインを一貫して上回っていることが示されている。

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)
• GeoWeaver: Accurate Long-Sequence 3D Reconstruction via Hierarchical Geometric Assembly [23.486108847409856]
  RGBビデオからの長時間の3D再構成には、正確な局所幾何学と一貫したカメラモーションの両方が必要である。 Geometric Prior Model(GPM)とTest-Time Adaptation(TTA)を組み合わせた統合フレームワークGeoWeaverを提案する。 TTAは、シーケンシャルでグローバルなチャンクレベルSim(3)アライメントと、カメラのポーズ、アフィン深さ補正、および本質的な精細化を行う。 さまざまな時系列ベンチマークによる実験では、カメラの精度の向上、グローバルな一貫性、ポイントクラウドの品質が示されている。
  論文  参考訳（メタデータ） (2026-08-18T05:29:31Z)
• Self-Geometry: GT-Free and Plug-and-Play Test-Time Adaptation for Geometrically Consistent 3D Vision Foundation Models [12.061080782435013]
  最近のビジョンファウンデーションモデル(VFM)は、シーンごとの最適化なしに、単一の前方パスで深さ、カメラポーズ、ポイントマップを予測する。 明示的な多視点幾何学的整合性(例えば束調整など)を強制することは、計算コストがかかるため、VFM事前訓練では課されない。 本研究では,2次元画素対応を擬似接地構造として用いた明示的な多視点幾何制約を直接課す,プラグアンドプレイテスト時適応パイプラインであるセルフジオメトリを提案する。
  論文  参考訳（メタデータ） (2026-08-11T09:28:50Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• GPA-VGGT:Adapting VGGT to Large Scale Localization by Self-Supervised Learning with Geometry and Physics Aware Loss [15.633839321933385]
  近年のVisual Geometry Grounded Transformer (VGGT) モデルの進歩は、カメラのポーズ推定と3次元再構成において大きな可能性を秘めている。 これらのモデルは通常、トレーニングのために真実のラベルを頼りにしており、ラベルのない、目に見えないシーンに適応する際の課題を提起している。 本稿では,VGGTをラベルのないデータで訓練する自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-23T16:46:59Z)
• 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)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• 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)

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。