論文の概要: EgoRayFormer: Ray-Space Stereo Refinement for Egocentric 3D Human Pose Estimation

• arxiv url: http://arxiv.org/abs/2610.26641v1
• Date: Mon, 19 Oct 2026 16:03:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 02:13:22.314929
• Title: EgoRayFormer: Ray-Space Stereo Refinement for Egocentric 3D Human Pose Estimation
• Title（参考訳）: EgoRayFormer:Egocentric Human Pose Estimationのための光空間ステレオリファインメント
• Abstract要約: EgoRayFormerは、ステレオ特徴サンプリングと幾何学的改善をレイ空間で組み合わせた因果ポーズ推定器である。 平均MPJPEはUnrealEgo2では17.64mm、UnrealEgo-RWでは49.55mmである。 一般的なResNet-18エンコーダと入力分解能により,装置関連EgoPoseFormerベースラインと比較して,RWテストMPJPEを9.09mm削減する。
• 参考スコア（独自算出の注目度）: 3.488362091941862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Head-mounted stereo fisheye cameras provide a compact view of the wearer's body, but strong distortion, partial visibility and a short baseline make 3D pose estimation difficult. Existing refinement decoders sample image features independently in each view, without requiring the samples to correspond to a common 3D hypothesis. We introduce EgoRayFormer, a causal pose estimator that couples stereo feature sampling and geometric refinement in ray space. For each joint, the decoder projects shared 3D hypotheses along and around its viewing ray into both images. A geometric branch then corrects the projected joint locations and intersects the resulting rays; a learned gate blends this geometric estimate with a learned pose update. This formulation introduces an explicit stereo constraint while retaining flexibility when the rays provide weak depth constraints. In local evaluations on the official device-relative test splits, EgoRayFormer achieves three-seed mean MPJPEs of 17.64 mm on UnrealEgo2 and 49.55 mm on UnrealEgo-RW, improving to 47.57 mm with UnrealEgo2 pre-training. In paired validation ablations, removing the geometric branch increases MPJPE in all three seeds at both input resolutions. With a common ResNet-18 encoder and input resolution, our system reduces RW test MPJPE by 9.09 mm relative to the device-relative EgoPoseFormer baseline. A separate protocol analysis quantifies the difference between device-relative and oracle-root evaluation.
• Abstract（参考訳）: ヘッドマウント型ステレオ魚眼カメラは装着者の身体のコンパクトな視界を提供するが、強い歪み、部分視認性、短いベースラインは3Dポーズ推定を困難にしている。 既存の精細デコーダは、サンプルを一般的な3D仮説に対応させることなく、各ビューで独立して画像の特徴をサンプリングする。 EgoRayFormerは,立体的特徴抽出と幾何学的改善を両立させる因果的ポーズ推定器である。 それぞれの関節について、デコーダプロジェクトは、視線と周囲の3D仮説を両画像に共有した。 幾何学的分岐は、投影された関節の位置を補正し、その結果の光線を交差させる。 この定式化は、光線が弱い深さの制約を与えるときに、柔軟性を維持しながら明示的なステレオ制約を導入する。 EgoRayFormerは、UnrealEgo2で17.64mm、UnrealEgo-RWで49.55mmの3種平均MPJPEを達成し、UnrealEgo2で47.57mmに改善した。 ペア検証による改善では、幾何学的分岐の除去は、両方の入力解像度で3つのシードのMPJPEを増加させる。 一般的なResNet-18エンコーダと入力分解能により,装置関連EgoPoseFormerベースラインと比較して,RWテストMPJPEを9.09mm削減する。 分離されたプロトコル分析は、デバイス相対性評価とオラクルルート評価の違いを定量化する。

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)
• RayLift: Lifting Complementary Ray-Wise Evidence with 3D Geometry Priors for Semantic Scene Completion [23.7438085195588]
  カメラベースの3Dセマンティックシーン補完(SSC)は、自律走行とロボット工学のための総合的なシーン理解を提供する。 既存の方法は、しばしば立体深さ推定を決定論的幾何学的制約として扱い、深さの不確かさと局所対応誤差が直接ボクセル表現に伝播する。 ステレオ幾何をメートル法基準として用いるフレームワークであるRayLiftを提案し, 補的光線証拠を組み込んで信頼性の高い3次元構造を適応的に復元する。
  論文  参考訳（メタデータ） (2026-08-09T04:41:34Z)
• 3DPCNet: Pose Canonicalization for Robust Viewpoint-Invariant 3D Kinematic Analysis from Monocular RGB cameras [7.906702226082628]
  3DPCNetは3Dジョイント座標で直接動作するコンパクトな推定器に依存しないモジュールである。 本手法は,地中構造IMUセンサデータと強い視覚的対応を示すビデオから加速度信号を生成する。
  論文  参考訳（メタデータ） (2025-09-27T18:55:21Z)
• LaRI: Layered Ray Intersections for Single-view 3D Geometric Reasoning [75.9814389360821]
  層状光線交差(LaRI)は、1つの画像から未知の幾何学的推論を行う新しい方法である。 コンパクトで階層的な表現から恩恵を受けることで、LaRIは完全で効率的でビュー整合な幾何学的推論を可能にする。 3Dオブジェクトやシーンを含む、合成および実世界のデータのための完全なトレーニングデータ生成パイプラインを構築します。
  論文  参考訳（メタデータ） (2025-04-25T15:31:29Z)
• RSB-Pose: Robust Short-Baseline Binocular 3D Human Pose Estimation with Occlusion Handling [19.747618899243555]
  我々は、ポータビリティと幾何学的測定特性の両方を提供する短基線双眼設定に照準を合わせました。 両眼の基準線が短くなるにつれて, 第一に, 2次元誤差に対する3次元再構成の堅牢性は低下する。 本稿では,2次元キーポイントの表示一貫性を改善し,3次元ロバスト性を高めるためのステレオコキーポイント推定モジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-24T01:15:57Z)
• Bridging Stereo Geometry and BEV Representation with Reliable Mutual Interaction for Semantic Scene Completion [45.171150395915056]
  3Dセマンティックシーン補完(SSC)は、限られた観測から密集した3Dシーンを推定する必要がある不適切な認識課題である。 従来のカメラベースの手法は、固有の幾何学的曖昧さと不完全な観察のため、正確なセマンティックシーンを予測するのに苦労した。 我々は,SSCにおけるステレオマッチング技術と鳥眼ビュー(BEV)表現学習を利用して,そのような問題に対処する。
  論文  参考訳（メタデータ） (2023-03-24T12:33:44Z)
• MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose Estimation in Video [75.23812405203778]
  近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。 本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。 さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
  論文  参考訳（メタデータ） (2022-03-02T04:20:59Z)

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。