論文の概要: Learning Scene Coordinate Reconstruction from Unposed Images via Pose Graph Optimization

• arxiv url: http://arxiv.org/abs/2610.35501v1
• Date: Mon, 26 Oct 2026 14:29:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.029792
• Title: Learning Scene Coordinate Reconstruction from Unposed Images via Pose Graph Optimization
• Title（参考訳）: ポーズグラフ最適化による未提示画像からのシーン座標再構成の学習
• Abstract要約: 本稿では、ポーズグラフ最適化(PGO)をACE-Zeroに統合し、カメラのポーズを洗練させ、不正な修正を抑えるハイブリッドフレームワークを提案する。 我々は、予測されたシーン座標から相対的なポーズ制約を抽出することにより、ACE-Zero出力から直接ポーズグラフを構築する。 提案手法はポーズ推定のロバスト性や精度を向上し,グローバルな幾何学的推論が構造から運動への学習に基づく推論を効果的に補完できることを実証する。
• 参考スコア（独自算出の注目度）: 50.834220585031595
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Learning-based structure-from-motion methods such as ACE-Zero have demonstrated strong performance in estimating cameraposes and scene coordinates from unordered image collections without requiring ground truth supervision. However, the lack of global and multi-view consistency constraints in ACE-Zero can lead to pose drift and misalignment, particularly in complex or ambiguous scenes. In this work, we propose a hybrid framework that integrates pose graph optimization (PGO) into ACE-Zero to refine camera poses and suppress incorrect refinements. We construct pose graphs directly from ACE-Zero outputs by extracting relative pose constraints from predicted scene coordinates. Furthermore, we introduce an uncertainty-aware optimization strategy by estimating confidence scores using geometric priors, including epipolar and optical flow consistencies across views. Our approach improves the robustness and accuracy of pose estimation, demonstrating that global geometric reasoning can effectively complement learning-based inference in structure-from-motion.
• Abstract（参考訳）: ACE-Zeroのような学習に基づく構造抽出手法は, 地中真実の監督を必要とせず, 画像コレクションから撮影位置やシーン座標を推定する上で, 強力な性能を示した。 しかし、ACE-Zeroにおけるグローバルおよびマルチビューの一貫性の制約が欠如していることは、特に複雑なシーンや曖昧なシーンにおいて、ドリフトやアライメントの引き起こしにつながる可能性がある。 本研究では、ポーズグラフ最適化(PGO)をACE-Zeroに統合し、カメラのポーズを洗練させ、不正な修正を抑えるハイブリッドフレームワークを提案する。 我々は、予測されたシーン座標から相対的なポーズ制約を抽出することにより、ACE-Zero出力から直接ポーズグラフを構築する。 さらに,幾何的先行値を用いて信頼度を推定し,視界を横断するエピポーラや光フローのコンピテンシーを含む不確実性を考慮した最適化手法を提案する。 提案手法はポーズ推定のロバスト性や精度を向上し,グローバルな幾何学的推論が構造から運動への学習に基づく推論を効果的に補完できることを実証する。

関連論文リスト

• SpaceEra++: A Unified Framework Towards 3D Spatial Reasoning in Video [88.79625979053873]
  事前学習型視覚言語モデル(VLM)のための新しいフレームワークSpaceEraを提案する。 データ構築、モデル設計、トレーニング最適化、推論の促進にまたがる、SpaceEra++と呼ばれる、オリジナルのフレームワークを包括的なシステムに拡張します。 さらに,空間的推論を強化するために,絶対座標と相対空間関係を協調的に利用することにより,対物制約を強制するSpaceAlignを開発した。
  論文  参考訳（メタデータ） (2026-07-02T06:56:29Z)
• LPA3D: 3D Room-Level Scene Generation from In-the-Wild Images [23.258004561060563]
  LPA-GAN(LPA-GAN)は、LPAのカメラポーズの先行を推定するために、特定の修正を組み込んだ新しいNeRFベースの生成手法である。 本手法は,ビュー・ツー・ビューの整合性とセマンティック・ノーマル性に優れる。
  論文  参考訳（メタデータ） (2025-04-03T07:18:48Z)
• PIDLoc: Cross-View Pose Optimization Network Inspired by PID Controllers [7.582581416640314]
  PIDLocは、比例積分微分(PID)コントローラにインスパイアされた、新しいクロスビューポーズ最適化手法である。 PIDLOCは、KITTIデータセットのクロスビューポーズ推定において最先端のパフォーマンスを達成し、以前の最先端と比較して位置誤差を37.8%削減する。
  論文  参考訳（メタデータ） (2025-03-04T08:24:08Z)
• Correspondence-Guided SfM-Free 3D Gaussian Splatting for NVS [52.3215552448623]
  SfM(Structure-from-Motion)事前処理カメラのポーズのない新しいビュー合成(NVS)は、迅速な応答能力の向上と、可変動作条件に対する堅牢性の向上に不可欠である。 最近のSfMフリー手法は、ポーズ最適化を統合し、共同カメラのポーズ推定とNVSのためのエンドツーエンドフレームワークを設計している。 既存の作業の多くは、L2損失のようなピクセル単位の画像損失関数に依存している。 本研究では,NVSのためのSfMフリー3次元ガウススプラッティングを提案する。
  論文  参考訳（メタデータ） (2024-08-16T13:11:22Z)
• VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
  ポースグラフ最適化手法を拡張する新しい手法を提案する。 我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。 我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
  論文  参考訳（メタデータ） (2024-03-25T17:47:03Z)
• iComMa: Inverting 3D Gaussian Splatting for Camera Pose Estimation via Comparing and Matching [14.737266480464156]
  コンピュータビジョンにおける6次元カメラのポーズ推定問題に対処するため,iComMaという手法を提案する。 3次元ガウススプラッティング(3DGS)の反転による高精度カメラポーズ推定法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T15:31:33Z)
• Perspective Plane Program Induction from a Single Image [85.28956922100305]
  本研究では,自然画像の全体像を推定する逆グラフ問題について検討する。 我々は、この問題を、入力画像の最もよく記述されたカメラポーズとシーン構造を共同で発見するものとして定式化する。 提案するフレームワークであるP3Iは,探索に基づくアルゴリズムと勾配に基づくアルゴリズムを組み合わせて効率よく問題を解く。
  論文  参考訳（メタデータ） (2020-06-25T21:18:58Z)
• 3D Scene Geometry-Aware Constraint for Camera Localization with Deep Learning [11.599633757222406]
  近年、畳み込みニューラルネットワークに基づくエンドツーエンドのアプローチは、従来の3次元幾何学に基づく手法を達成または超えるように研究されている。 本研究では,絶対カメラポーズ回帰のためのコンパクトネットワークを提案する。 これらの従来の手法から着想を得た3Dシーンの幾何学的制約も、動き、深さ、画像の内容を含むすべての利用可能な情報を活用することによって導入される。
  論文  参考訳（メタデータ） (2020-05-13T04:15:14Z)
• Light Field Spatial Super-resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization [99.96632216070718]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-05T14:39:57Z)

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。