論文の概要: ObjectTwin: Measuring the Asset Correspondence Gap for Capture-Anchored Digital Twins
- arxiv url: http://arxiv.org/abs/2610.35904v1
- Date: Wed, 30 Sep 2026 02:01:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 06:06:26.154276
- Title: ObjectTwin: Measuring the Asset Correspondence Gap for Capture-Anchored Digital Twins
- Title（参考訳）: ObjectTwin:捕集型デジタル双生児のアセット対応ギャップの測定
- Abstract要約: オブジェクトワイズ再構築では、生成されたメッシュをキャプチャされたシーンに、観察対象の編集可能なプロキシとして挿入するようになっている。
我々は、インスタンス、カメラ、スキャンプロジェクションされたサポート、記録された深さ、メートル法アンカー、評価分母を凍結し、オブジェクト表現のみを置き換えるスキャン地上計測プロトコルであるObjectTwinを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object-wise reconstruction increasingly inserts generated meshes into captured scenes as editable proxies for observed objects. This use creates a requirement absent from isolated-asset scores and pose estimates: at the captured metric state, the proxy should reproduce calibrated observations of the same instance. We present ObjectTwin, a scan-grounded measurement protocol that freezes the instance, cameras, scan-projected support and recorded depth, metric anchor, and evaluation denominator, then replaces only the object representation. The resulting asset correspondence gap measures lost observation agreement relative to scan-derived visible geometry without treating the scan as complete physical ground truth. Across two indoor RGB-D capture domains and two generation backends, visible, anchored generated assets lose 0.302-0.497 MaskIoU under this replacement. Every tested scene-level estimate is positive, while same-input generator preference reverses across capture domains. Coverage and overlap-depth analyses locate disagreement in both visible support and surface placement; the evaluated conservative pose refinement does not systematically recover it. These results establish capture correspondence as a separately measurable interface between generated-asset quality and stronger physical or task-level evaluation.
- Abstract（参考訳）: オブジェクトワイズ再構築では、生成されたメッシュをキャプチャされたシーンに、観察対象の編集可能なプロキシとして挿入するようになっている。
キャプチャされたメトリック状態では、プロキシは同じインスタンスの校正された観察を再現する必要がある。
我々は、インスタンス、カメラ、スキャンプロジェクションされたサポート、記録された深さ、メートル法アンカー、評価分母を凍結し、オブジェクト表現のみを置き換えるスキャン地上計測プロトコルであるObjectTwinを提案する。
結果として得られたアセット対応ギャップ測定は、スキャンを完全な物理的根拠の真理として扱うことなく、スキャンから得られた可視幾何に対する観測一致を喪失した。
2つの屋内RGB-Dキャプチャードメインと2つの世代バックエンド、可視、アンカーされた生成資産は、この代替の下で0.302-0.497 MaskIoUを失う。
テストされたシーンレベルの見積もりはすべて正であり、同じ入力ジェネレータの好みはキャプチャードメイン間で反転する。
カバーとオーバーラップ深度分析は、視認的支持と表面配置の両面での相違を見いだすが、評価された保守的ポーズ改善は、それを体系的に回復しない。
これらの結果は、生成された評価品質と、より強力な物理・タスクレベルの評価とを別々に測定可能なインターフェースとして、キャプチャ対応を確立する。
関連論文リスト
- F2G-Pose: Geometry-Aware Foundation Feature Lifting for Direct RGB-D Category-Level Object Pose Estimation [69.6117755984012]
F2G-Poseは,1つのフィードフォワードパスにおける1つのRGB-D観測から,カテゴリレベルのポーズ,メートル法サイズ,カメラフレームの完成形状を予測する,リアルタイムのダイレクト・シングルパス・フレームワークである。
F2G-Poseは、部分点雲に高密度な視覚基盤機能を持ち上げ、DGCNNトークン化で局所幾何学を符号化し、Mixture-of-Experts Transformerでオブジェクトレベルの構造を統合する。
論文 参考訳（メタデータ） (2026-10-22T17:43:34Z) - Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection [48.68375215978705]
AnomalyAgentは、正確な視覚異常検出のための訓練後の融合フレームワークである。
AnomalyAgentは不均一なスコアとマップを整列し、スコアと地域レベルの不一致を要約し、融合を有限作用選択問題として扱う。
MVTec AD と VisA の AnomalyAgent を主要なベンチマークとして,さらに 7 つの公開異常ベンチマークと Real-IAD を用いて大規模スコアレベル評価を行った。
論文 参考訳（メタデータ） (2026-10-20T17:22:25Z) - ScenePlacer: Reformulating Scene-Level Object Pose Estimation as Visibility Field Learning [98.27407537377773]
ScenePlacerは、最先端のネイティブ形状生成モデルによって生成されたオブジェクトのシーンレベルのポーズ推定のためのフレームワークである。
生成した3Dオブジェクトを、下層の生成パイプラインを変更することなく、部分的な幾何学的な観察を行うシーンに配置する。
ScenePlacerは、既存の配置やポーズ・リファインメントのベースラインを、地平線と単眼深度の両方で一貫して上回っている。
論文 参考訳（メタデータ） (2026-10-11T16:13:24Z) - RAGrasp: Geometry-Semantic Template Retrieval and Grasp Transfer [1.6795461001108094]
RAGraspは、平面並列ジャウグリップのための検索拡張パイプラインである。
テンプレートメモリは、デプロイメントカメラ、ロボット、およびターゲットワークスペースで収集された観測から構築される。
実世界の試験では、RAGraspは目に見えない物体を20/20で把握し、見えない物体を19/20で把握することに成功した。
論文 参考訳（メタデータ） (2026-10-03T10:59:13Z) - RYOPO: Bringing End-to-End Category-Level Object Pose Estimation into Real Time [3.632189127068905]
カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリ内の見えないインスタンスの回転、翻訳、およびメートル法サイズを予測する。
多くの正確なRGB-D法は、外部のインスタンスセグメンテーションと作物ベースのポーズ推定に依存し、別々のステージとオブジェクト依存処理コストを導入している。
エンドツーエンドのトレーニング可能なRGB-Dセット予測器を提示する。
論文 参考訳（メタデータ） (2026-10-02T08:47:45Z) - φ-RIE: From Photorealistic Reconstruction to Interactive Environments [57.657253059351795]
-RIEは、残りの復元を保ちながら、選択したオブジェクトを移動可能なシミュレータアセットに変換する。
シーン・オブザーバは、結合されたシーン・コンストラクションの証拠を共有した。
50のScanNet++シーンでは、エビデンスベースの選択と登録リトライが20mmのF1と、固定保持時の0.336から0.383に一致した。
論文 参考訳（メタデータ） (2026-09-22T17:59:52Z) - SSMB: Self-Supervised Local Feature Detection under Motion Blur [48.57970299584709]
動きブル画像のためのデブルーフリーで自己監督型キーポイント検出器であるSSMBを提案する。
LDEモジュールは、グローバルな特徴混合後のきめ細かい局所的な識別性を復元する。
論文 参考訳（メタデータ） (2026-08-27T14:28:19Z) - EditCLEVR: A Paired-Scene Intervention Benchmark for Compositional Faithfulness of Object-Centric Representations [0.0]
対象中心学習のためのペア・シーン介入ベンチマークであるEditCLEVRを紹介する。
それぞれの例には、同じオブジェクトインデックスとシーンレイアウトを持つ、前/後対のレンダリングが含まれている。
これには、既知の1つのオブジェクトに対する、正確に1つの既知の変更属性と、ドリフト測定のためのno-edit re-renderが含まれる。
論文 参考訳（メタデータ） (2026-07-19T16:11:43Z) - Geo-ID: Test-Time Geometric Consensus for Cross-View Consistent Intrinsics [37.614964138575935]
内在的な画像分解は、画像からアルベド、粗さ、および金属性などの物理ベースのレンダリングパラメータを推定することを目的としている。
ビデオベースのモデルは、クロスフレームの一貫性を改善することができるが、高密度で順序付けられたシーケンスと相当な計算を必要とする。
クロスビュー一貫した分解を生成するために,未学習の単視点予測器を本質的に再利用する新しいテストタイムフレームワークであるGeo-IDを提案する。
論文 参考訳（メタデータ） (2026-03-14T09:36:27Z) - DVMNet++: Rethinking Relative Pose Estimation for Unseen Objects [59.51874686414509]
既存のアプローチでは、通常、接地構造オブジェクト境界ボックスと、多数の離散仮説を持つ近似3次元回転を用いて3次元翻訳を予測している。
本稿では,1回のパスで相対オブジェクトのポーズを計算するDeep Voxel Matching Network (DVMNet++)を提案する。
提案手法は,最先端手法と比較して計算コストの低い新しいオブジェクトに対して,より正確な相対的ポーズ推定を行う。
論文 参考訳（メタデータ） (2024-03-20T15:41:32Z)
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。