論文の概要: HiP3R: Hierarchical Pose Graphs for Long-Horizon 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.31635v1
• Date: Thu, 22 Oct 2026 17:51:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.505618
• Title: HiP3R: Hierarchical Pose Graphs for Long-Horizon 3D Reconstruction
• Title（参考訳）: HiP3R:長軸3次元再構成のための階層型ポスグラフ
• Abstract要約: 長いビデオは、グローバルな一貫性を達成するために重なり合うチャンクとして処理されなければならない。 HiP3Rはこのトレードオフを階層的なポーズグラフを使って解決する。 複数のベンチマークによる実験では、HiP3Rの有効性が示されている。
• 参考スコア（独自算出の注目度）: 65.91699979478172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feed-forward models accurately estimate camera motion and 3D geometry from short video windows. However, computational and memory costs prevent direct inference on sequences containing thousands of frames. Long videos must therefore be processed as overlapping chunks. This division produces independent local reconstructions with inconsistent coordinate frames and duplicate estimates of shared cameras. Achieving global consistency requires propagating constraints from adjacent overlaps and distant revisits across the sequence. This requirement naturally motivates pose graph optimization. However, the choice of graph level creates a trade-off. Chunk-level graphs efficiently resolve scale drift and close large loops. Yet, their rigid transformations cannot correct internal errors or conflicting frame predictions. Conversely, frame-level optimization offers local flexibility, but scaling it globally is computationally expensive and can break metric scale. HiP3R resolves this trade-off using a hierarchical pose graph. HiP3R first optimizes a robust chunk-level $\mathrm{Sim}(3)$ graph to establish the global layout and scale. It then holds this layout fixed and estimates one shared $\mathrm{SE}(3)$ camera per frame, turning overlapping window predictions into a single trajectory. Experiments across multiple benchmarks demonstrate the effectiveness of HiP3R in improving camera trajectories and 3D reconstruction. Our method applies to both chunk-based and streaming backends without additional training or fine-tuning. The codes are available at https://kkakkkka.github.io/HiP3R.
• Abstract（参考訳）: フィードフォワードモデルは、短いビデオウィンドウからカメラの動きと3D形状を正確に推定する。 しかし、計算とメモリのコストは、数千のフレームを含むシーケンスの直接推論を妨げている。 したがって、長いビデオは重なり合うチャンクとして処理されなければならない。 この部門は、不整合座標フレームと共有カメラの重複推定で独立した局所再構成を生成する。 グローバルな一貫性を達成するには、隣り合う重複と、シーケンスをまたいだ遠くのリビジョンから制約を伝達する必要がある。 この要求は自然にグラフの最適化を動機付けます。 しかし、グラフレベルの選択はトレードオフを生み出します。 チャンクレベルグラフは、スケールドリフトと閉大ループを効率的に解決する。 しかし、その厳密な変換は内部エラーやフレーム予測の矛盾を修正することはできない。 逆に、フレームレベルの最適化は局所的な柔軟性を提供するが、グローバルにスケールすることは計算コストが高く、計量スケールを損なう可能性がある。 HiP3Rはこのトレードオフを階層的なポーズグラフを使って解決する。 HiP3Rはまず、グローバルなレイアウトとスケールを確立するために、堅牢なチャンクレベルの$\mathrm{Sim}(3)$グラフを最適化する。 次に、このレイアウトを固定し、共有されている$\mathrm{SE}(3)$ Camera per frameを推定し、重なり合うウィンドウの予測を1つの軌道に変換する。 複数のベンチマークによる実験では、HiP3Rがカメラ軌跡の改善と3D再構成に有効であることが示されている。 我々の方法は、追加のトレーニングや微調整をすることなく、チャンクベースのバックエンドとストリーミングバックエンドの両方に適用できる。 コードはhttps://kkakkka.github.io/HiP3Rで公開されている。

関連論文リスト

• Scal3R: Learning Efficient Multi-Relative Pose Query for Scalable Online 3D Reconstruction [43.823514226720846]
  Scal3Rは、オンライン再構築をマルチ参照相対的なポーズとして再構成する。 オンラインベースラインと比較して、KITTIの平均ATEを60%以上削減する。
  論文  参考訳（メタデータ） (2026-09-03T17:59:53Z)
• Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
  本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。 BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。 グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
  論文  参考訳（メタデータ） (2026-09-03T16:08:03Z)
• Glob3R: Global Structure-from-Motion with 3D Foundation Models [44.33296410481359]
  Glob3Rは3Dファウンデーションモデルに基づいて構築されたグローバルなSfMスタイルの再構築である。 私たちのキーとなるアイデアは、フィードフォワード幾何学的予測を明示的に最適化することです。 屋内、屋外、大規模運転、および非秩序なSfMベンチマークの実験は、Glob3Rが堅牢で正確な再構築を実現することを示した。
  論文  参考訳（メタデータ） (2026-07-10T09:18:35Z)
• GaussRender: Learning 3D Occupancy with Gaussian Rendering [86.89653628311565]
  GaussRenderは、投影的一貫性を強制することによって3D占有学習を改善するモジュールである。 提案手法は,不整合な2次元プロジェクションを生成する3次元構成をペナライズすることにより,より一貫性のある3次元構造を実現する。
  論文  参考訳（メタデータ） (2025-02-07T16:07:51Z)
• VideoLifter: Lifting Videos to 3D with Fast Hierarchical Stereo Alignment [54.66217340264935]
  VideoLifterは、ローカルからグローバルへの戦略を断片的に活用する、新しいビデオから3Dパイプラインである。 再建プロセスを大幅に加速し、訓練時間を82%以上削減し、現在のSOTA法よりも視覚的品質を向上した。
  論文  参考訳（メタデータ） (2025-01-03T18:52:36Z)
• Look Gauss, No Pose: Novel View Synthesis using Gaussian Splatting without Accurate Pose Initialization [11.418632671254564]
  3D Gaussian Splattingは、一連の入力画像から高速で正確なノベルビュー合成のための強力なツールとして登場した。 本稿では, 外部カメラパラメータを測光残差に対して最適化することにより, 3次元ガウス散乱フレームワークの拡張を提案する。 シミュレーション環境を通して実世界のシーンと複雑な軌道について結果を示す。
  論文  参考訳（メタデータ） (2024-10-11T12:01:15Z)
• Grounding Image Matching in 3D with MASt3R [8.14650201701567]
  本稿では,トランスフォーマーをベースとした強力な3次元再構成フレームワークであるDUSt3Rによる3Dタスクのキャストマッチングを提案する。 我々は,DUSt3Rネットワークを高密度な局所的特徴を出力する新しいヘッドで拡張することを提案する。 提案手法はMASt3Rとよばれる手法で,複数のマッチングタスクにおいて技量を著しく上回っている。
  論文  参考訳（メタデータ） (2024-06-14T06:46:30Z)
• Faster Optimization in S-Graphs Exploiting Hierarchy [8.17925295907622]
  冗長なロボットのポーズを余剰にすることでグラフサイズを削減するため,階層構造を利用したSグラフの改良版を提案する。 ベースラインに対する計算時間を39.81%削減しながら,ベースラインと同等の精度を示す。
  論文  参考訳（メタデータ） (2023-08-22T07:35:15Z)
• SGAligner : 3D Scene Alignment with Scene Graphs [84.01002998166145]
  3Dシーングラフの構築は、いくつかの具体的AIアプリケーションのためのシーン表現のトピックとして登場した。 オーバーラップ可能な3次元シーングラフのペアをゼロから部分的に整列させるという基本的な問題に着目する。 そこで我々はSGAlignerを提案する。SGAlignerは3次元シーングラフのペアを組合わせるための最初の方法であり、その組込みシナリオに対して堅牢である。
  論文  参考訳（メタデータ） (2023-04-28T14:39:22Z)

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。