論文の概要: HoloRecon: Incremental Reconstruction of Long-Range Panoramas with Global Consistency
- arxiv url: http://arxiv.org/abs/2610.36876v1
- Date: Tue, 27 Oct 2026 09:17:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.251554
- Title: HoloRecon: Incremental Reconstruction of Long-Range Panoramas with Global Consistency
- Title（参考訳）: HoloRecon : 大域的整合性を有する長期性パノラマの漸増的再建
- Abstract要約: 長時間のパノラマ画像再構成には、詳細なシーン形状と一貫したカメラポーズが必要である。
パノラマSLAMとインクリメンタルSfMは特徴対応に頼っているが、同様の構造と小さな部分的な重複は信頼性の高い長距離接続を確立するのを困難にしている。
これは、継続的な特徴ベースの追跡とスパースマッピングと、迅速で高品質な局所的な再構築を組み合わせたモチベーションである。
- 参考スコア（独自算出の注目度）: 17.41685370103945
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Long-sequence panoramic reconstruction requires detailed scene geometry and globally consistent camera poses across distant revisits. Panoramic SLAM and incremental SfM rely on feature correspondences, but repeated, similar structures and small partial overlap make reliable long-range connections difficult to establish, leaving accumulated drift unresolved. Feed-forward models offer detailed local geometry, but their high computational costs limit inference window size, necessitating additional constraints for global consistency. This motivates combining continuous feature-based tracking and sparse mapping with rapid, high-quality local reconstruction from feed-forward models to achieve accurate localization and globally consistent dense mapping over long sequences. We therefore propose a panoramic reconstruction framework that couples an ORB-based sparse panoramic mapping frontend with a fine-tuned feed-forward model. Our key insight is that predicted local geometry enables 3D verification of feature matches across distant revisits, yielding long-range camera constraints even between regions. We calibrate predicted depths with sparse landmarks and use verified connections to optimize the global pose graph, updating dense geometry with the corrected camera poses. We also introduce PanoRecon, a seven-scene benchmark with repetitive architecture, large and small loops, and reference camera poses and LiDAR geometry for evaluating global consistency. Our method achieves the lowest mean absolute trajectory error and high F-1 Score among the evaluated methods. Project Page:https://zhuoxiaoli.github.io/HoloRecon_page/
- Abstract（参考訳）: 長時間のパノラマ画像再構成には、詳細なシーン形状と、遠くのリビジットで一貫したカメラのポーズが必要である。
パノラマSLAMとインクリメンタルSfMは特徴対応に頼っているが、同じ構造と小さな部分的な重複は信頼性の高い長距離接続を確立するのを難しくし、蓄積されたドリフトは未解決のままである。
フィードフォワードモデルは詳細な局所幾何学を提供するが、その高い計算コストは推論ウィンドウのサイズを制限し、大域的な一貫性にさらなる制約を加える必要がある。
これにより、連続的な特徴に基づく追跡とスパースマッピングとフィードフォワードモデルからの高速で高品質な局所的再構成を組み合わせることで、正確な局所化と長い列上の一貫した密集写像を実現することができる。
そこで我々は,ORBをベースとしたスパースパノラママッピングフロントエンドと細調整フィードフォワードモデルを組み合わせたパノラマ再構築フレームワークを提案する。
我々の重要な洞察は、予測された局所幾何学により、遠方からの距離にわたる特徴マッチングの3次元検証が可能になり、地域間でも長距離カメラの制約が生じることである。
予測深度を希薄なランドマークで校正し、検証された接続を用いてグローバルポーズグラフを最適化し、補正されたカメラポーズで密度の高いジオメトリを更新する。
パノレコンは、繰り返しアーキテクチャ、大小ループ、参照カメラのポーズ、世界的一貫性を評価するためのLiDAR幾何学を備えた7段階のベンチマークである。
評価手法の中では, 平均絶対軌道誤差とF-1スコアが最少である。
Project Page:https://zhuoxiaoli.github.io/HoloRecon_page/
関連論文リスト
- Think Locally, Refine Globally for Memory-Efficient 3D Reconstruction [5.820238873645945]
本稿では,局所時間モデルとグローバルカメラの一貫性のバランスをとる長周期3次元再構成のためのメモリ効率の枠組みを提案する。
LoG-VGGTは、複数のロングシーケンスベンチマークで改善された深度精度とロバストなカメラポーズ推定を実現する。
論文 参考訳（メタデータ） (2026-09-18T07:50:59Z) - GeoWeaver: Accurate Long-Sequence 3D Reconstruction via Hierarchical Geometric Assembly [23.486108847409856]
RGBビデオからの長時間の3D再構成には、正確な局所幾何学と一貫したカメラモーションの両方が必要である。
Geometric Prior Model(GPM)とTest-Time Adaptation(TTA)を組み合わせた統合フレームワークGeoWeaverを提案する。
TTAは、シーケンシャルでグローバルなチャンクレベルSim(3)アライメントと、カメラのポーズ、アフィン深さ補正、および本質的な精細化を行う。
さまざまな時系列ベンチマークによる実験では、カメラの精度の向上、グローバルな一貫性、ポイントクラウドの品質が示されている。
論文 参考訳（メタデータ） (2026-08-18T05:29:31Z) - 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) - DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation [72.89376712495464]
DAGEは、グローバルコヒーレンスを細部から切り離すデュアルストリームトランスフォーマーである。
低解像度ストリームは、フレーム/言語的注意を交互に交互に付加したアグレッシブなダウンサンプリングフレームで動作し、ビュー一貫性表現を構築する。
高解像度のストリームは、フレーム毎に元のイメージを処理し、シャープな境界と小さな構造を保存する。
この設計は、解像度とクリップ長を独立にスケールし、2Kまでの入力をサポートし、実用的な推論コストを維持する。
論文 参考訳（メタデータ） (2026-03-04T05:29:29Z) - Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。
Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。
この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
論文 参考訳（メタデータ） (2026-02-08T08:01:16Z) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。
SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
論文 参考訳（メタデータ） (2025-11-21T12:40:55Z) - GRS-SLAM3R: Real-Time Dense SLAM with Gated Recurrent State [29.91962530945268]
本稿では,高密度シーン再構築のためのエンドツーエンドSLAMフレームワークであるGRS-SLAM3Rを紹介する。
本手法は,グローバル座標における逐次的入力と計量スケールの点群を漸進的に推定する。
各種データセットを用いた実験により, リアルタイム性能を維持しつつ, より優れた復元精度を実現することができた。
論文 参考訳（メタデータ） (2025-09-28T08:33:34Z) - Global-to-Local Modeling for Video-based 3D Human Pose and Shape
Estimation [53.04781510348416]
フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。
エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。
我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
論文 参考訳（メタデータ） (2023-03-26T14:57:49Z)
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。