論文の概要: PRISM: Learning Realistic Depth via Physics-Grounded Noise Disentanglement with Semantic-Geometric Collaboration

• arxiv url: http://arxiv.org/abs/2610.29432v1
• Date: Wed, 21 Oct 2026 08:56:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.297055
• Title: PRISM: Learning Realistic Depth via Physics-Grounded Noise Disentanglement with Semantic-Geometric Collaboration
• Title（参考訳）: PRISM: セマンティック・ジオメトリック・コラボレーションによる物理領域のノイズ分散による現実的深さの学習
• Abstract要約: 実世界の物理的センシングは、理想的なシミュレーションから大きく逸脱する複雑で異質なノイズパターンを示す。 既存のセンサーモデリングは、ディープノイズをモノリシックブラックボックスプロセスとして扱うのが一般的である。 モノリシックノイズを2つの相補的なモードに分解する物理基底パラダイムを導入する。
• 参考スコア（独自算出の注目度）: 49.173870727717
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world physical sensing exhibits complex, heterogeneous noise patterns that deviate significantly from idealized simulation, posing a fundamental bottleneck for sim-to-real transfer. Existing sensor modelings typically treat depth noise as a monolithic black-box process, overlooking the distinct physical mechanisms that govern different error modalities. In this work, we introduce a physics-grounded paradigm that disentangles monolithic noise into two complementary modalities: \textbf{sensing invalidation} and \textbf{measurement inaccuracy}, enabling a tailored treatment of noise sources based on their physical origins. Building on this insight, we propose \textbf{PRISM}, a tripartite framework that distills 3D Visual Foundation Model features as rich spatial-semantic priors for physics-based reasoning. To address the inherent sparsity and class imbalance of invalidation regions, we develop Hierarchical Positive-Prioritized Supervision, integrating multi-scale positive-weighted objectives with a positive-preserving dynamic hard mining strategy to enforce precise artifact delineation. Extensive benchmarks demonstrate that PRISM achieves state-of-the-art fidelity in noisy depth synthesis. Furthermore, downstream robotic experiments show that PRISM facilitates a \textbf{92.1\%} average success rate in the real world, marking a significant improvement over monolithic baselines. Our project page is available at: \resizebox{\linewidth}{!}{\href{https://shawnleung-sii.github.io/prism-icml2026/}{https://shawnleung-sii.github.io/prism-icml2026/}.}
• Abstract（参考訳）: 実世界の物理的センシングは、理想化されたシミュレーションから著しく逸脱する複雑で異質なノイズパターンを示し、シモン・トゥ・リアル・トランスファーの基本的なボトルネックとなる。 既存のセンサーモデリングでは、ディープノイズをモノリシックなブラックボックスプロセスとして扱い、異なるエラーモードを管理する物理的なメカニズムを見渡すのが一般的である。 本研究では,モノリシックノイズを2つの相補的なモードに分解する物理基底的パラダイムを提案する。 この知見に基づいて,3次元視覚基礎モデルの特徴を物理に基づく推論のための豊かな空間意味的先行概念として抽出する三部作フレームワークである「textbf{PRISM}」を提案する。 本研究では, 正の正の正の重み付け目標と正の保存型動的ハードマイニング戦略を統合し, 正確なアーティファクトデラインを強制する階層的正の正の正の正の正の重み付けスーパービジョンを開発する。 広範囲なベンチマークにより、PRISMは雑音深度合成において最先端の忠実性を達成することが示された。 さらに、下流でのロボット実験により、PRISMは現実世界の平均的な成功率を促進し、モノリシックベースラインよりも大幅に改善されていることが示されている。 私たちのプロジェクトページは以下の通りです。 https://shawnleung-sii.github.io/prism-icml2026/}{https://shawnleung-sii.github.io/prism-icml2026/} ※

関連論文リスト

• VEPHand: View-Efficient Photometric Hand Performance Capture at Scale [27.713586141581498]
  本稿では,動的ハンドパフォーマンスキャプチャと登録のためのエンドツーエンドパイプラインを提案する。 本手法は,ビュー効率,非マスキングシナリオ,高精度な登録において,最先端の再現性を実現する。
  論文  参考訳（メタデータ） (2026-06-14T18:47:44Z)
• AGILE: Hand-Object Interaction Reconstruction from Video via Agentic Generation [45.753757870577196]
  本稿では,対話学習のためのエージェント生成にパラダイムを転換する,堅牢なフレームワークAGILEを紹介する。 我々はAGILEがグローバルな幾何学的精度でベースラインを上回り、先行技術が頻繁に崩壊する挑戦的なシーケンスに対して、例外的な堅牢性を証明していることを示す。
  論文  参考訳（メタデータ） (2026-02-04T15:42:58Z)
• UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass [83.7071371474926]
  UniSHは、統合されたフィードフォワードフレームワークで、共同でメートルスケールの3Dシーンと人間の再構築を行う。 我々のフレームワークは、シーン再構築とHMRとの違いを強く橋渡しします。 本モデルは,人間中心のシーン再構築における最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-01-03T16:06:27Z)
• RealD$^2$iff: Bridging Real-World Gap in Robot Manipulation via Depth Diffusion [48.86480272116588]
  雑音深度を合成することを学ぶクリーン・ツー・ノイズのパラダイムを提案する。 本稿では,階層的な粗い拡散フレームワークであるRealD$2$iffを紹介する。 本パラダイムの有効性を示す実証的,実験的な検証を行う。
  論文  参考訳（メタデータ） (2025-11-27T14:36:56Z)
• GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
  GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。 提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。 2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
  論文  参考訳（メタデータ） (2025-04-28T01:21:35Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)

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。