論文の概要: FreeView: Robust 3D Reconstruction from Uncurated Views

• arxiv url: http://arxiv.org/abs/2610.33656v1
• Date: Sat, 24 Oct 2026 13:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.41707
• Title: FreeView: Robust 3D Reconstruction from Uncurated Views
• Title（参考訳）: FreeView:未処理のビューからロバストな3Dレコンストラクション
• Abstract要約: FreeViewはトレーニング不要のフレームワークで、フィルタリング参照を共同で選択し、未処理のコレクションからのイントラクタビューを拒否する。 邪魔者を拒絶しながら、実質的な外観や視点の変化の下で有用な視点を保っている。
• 参考スコア（独自算出の注目度）: 16.157901053331617
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing a coherent 3D scene from uncurated image collections remains challenging due to the presence of irrelevant or non-overlapping views. Recent work has shown that feed-forward reconstruction models contain internal view-consistency signals that support distractor rejection. However, reference-conditioned filtering relies on a curated clean reference, which is not guaranteed in practical image collections. To address this limitation, we introduce FreeView, a training-free framework that jointly selects a filtering reference and rejects distractor views from an uncurated collection. FreeView leverages collection-level consensus to identify a representative view that serves as a reliable reference for filtering. It then adapts view rejection to each input collection by combining complementary visual and geometric evidence. This approach preserves useful views under substantial appearance and viewpoint variations while rejecting distractors. FreeView integrates with both VGGT and pi^3, removing the need for a manually curated reference or manual calibration of view rejection. Extensive experiments across multiple datasets demonstrate high clean-view retention and distractor rejection rates, leading to reliable 3D reconstruction from uncurated views.
• Abstract（参考訳）: 画像コレクションからコヒーレントな3Dシーンを再構築することは、無関係あるいは重複しないビューが存在するため、依然として困難である。 近年の研究では、フィードフォワード再構成モデルには、邪魔者拒絶を支援する内部ビュー整合性信号が含まれていることが示されている。 しかし、参照条件付きフィルタリングは、実際の画像コレクションでは保証されない、キュレートされたクリーン参照に依存している。 この制限に対処するため、FreeViewは、フィルタリング参照を共同で選択し、未処理のコレクションからのイントラクタビューを拒否する、トレーニング不要のフレームワークである。 FreeViewはコレクションレベルのコンセンサスを活用して、フィルタリングの信頼できる参照として機能する代表ビューを特定する。 次に、相補的な視覚的および幾何学的証拠を組み合わせることで、各入力コレクションにビューの拒絶を適用する。 このアプローチは、邪魔者を拒絶しながら、実質的な外観と視点の変化の下で有用な視点を保っている。 FreeViewはVGGTとpi^3の両方と統合されており、手動でキュレーションされた参照や手動によるビューリジェクションのキャリブレーションの必要性を排除している。 複数のデータセットにわたる大規模な実験は、高いクリーンビューの保持率と邪魔な拒絶率を示し、不正確なビューから信頼性の高い3D再構成をもたらす。

関連論文リスト

• Per-View Gaussian Predictions Enable Training-Free Distractor Filtering in Feed-Forward 3DGS [31.86277467022804]
  本稿では,ビューごとの予測構造を利用したトレーニング不要なフィルタリング手法を提案する。 各入力に対して、関連するガウスを除外し、残りの表現を用いて同じカメラをレンダリングする。 入力ビューの数によって、新規ビューの品質が一貫して向上する。
  論文  参考訳（メタデータ） (2026-08-27T10:52:28Z)
• Visual Geometry Transformer in the Wild: Distractor-Free 3D Reconstruction [77.75911117889915]
  現在のエンドツーエンドのマルチビュー3D再構成手法は、目覚ましい結果を得るが、制限的な静的仮定に依存している。 この理想的な入力への依存は、最も高度なメソッドでさえ、現実世界の設定で失敗する原因となる。 非一貫性の視点から頑健な再構築を行うためのエンドツーエンドフレームワークであるWildにおけるビジュアルジオメトリトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2026-06-22T02:52:22Z)
• Emergent Outlier View Rejection in Visual Geometry Grounded Transformers [45.83800698097105]
  ノイズ」画像関連入力は、視界がほとんど、あるいは全くないが、他の画像と重なり合うため、Wild画像コレクションからの信頼性の高い3D再構成を妨げている。 従来のStructure-from-Motionパイプラインは、幾何学的検証とoutlier rejectionを通じてそのようなケースを扱う。 本稿では,既存のフィードフォワード再構成モデルであるVGGTが,イントラクタイメージを本質的に区別できることを示す。
  論文  参考訳（メタデータ） (2025-12-03T17:48:25Z)
• DeOcc-1-to-3: 3D De-Occlusion from a Single Image via Self-Supervised Multi-View Diffusion [50.90541069907167]
  閉塞型マルチビュー生成のためのエンドツーエンドフレームワークであるDeOcc-1-to-3を提案する。 私たちの自己教師型トレーニングパイプラインは、隠蔽されたイメージペアと擬似地上構造ビューを活用して、モデル構造を意識した補完とビュー整合性を教える。
  論文  参考訳（メタデータ） (2025-06-26T17:58:26Z)
• MV-DUSt3R+: Single-Stage Scene Reconstruction from Sparse Views In 2 Seconds [56.77548728485841]
  本稿では,高速な単一ステージフィードフォワードネットワークMV-DUSt3Rを提案する。 コアとなるのはマルチビューデコーダブロックで、単一の参照ビューを考慮しながら、任意のビュー間で情報を交換する。 さらに,参照ビュー選択に頑健な手法として,参照ビュー選択の異なる情報を融合するために,参照ビューブロックを用いたMV-DUSt3R+を提案する。
  論文  参考訳（メタデータ） (2024-12-09T20:34:55Z)
• UpFusion: Novel View Diffusion from Unposed Sparse View Observations [66.36092764694502]
  UpFusionは、参照画像のスパースセットが与えられたオブジェクトに対して、新しいビュー合成と3D表現を推論することができる。 本研究では,この機構により,付加された(未提示)画像の合成品質を向上しつつ,高忠実度な新規ビューを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-12-11T18:59:55Z)

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。