論文の概要: Aligning Misaligned Benchmarks for Single-View Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2610.38349v1
• Date: Wed, 28 Oct 2026 06:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.962068
• Title: Aligning Misaligned Benchmarks for Single-View Novel View Synthesis
• Title（参考訳）: シングルビュー新規ビュー合成のための調整ミスアライメントベンチマーク
• Abstract要約: シングルビュー新規ビュー合成法は近年劇的に改良されているが、その性能を定量化する方法はまだ標準化されていない。 提案手法では,各手法の参照フレームが,いわゆる接地トラスポーズとどのように一致しているかを示す。 従来の2D-to-2Dと2D-to-3D画像マッチング技術を用いて3D再構成を行う。
• 参考スコア（独自算出の注目度）: 20.362192974300914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While single-view novel view synthesis methods have been dramatically enhanced recently, how to quantify their performance has yet to be standardized. In this work, we demonstrate that an important factor lies in how each method's own reference frame is aligned with the so-called ground-truth pose. Existing methods often rely on test-time optimization of target poses for this alignment, which inherently is ill-posed due to the complexity of the optimization landscape of camera poses vs render accuracy, leading to methods being evaluated at an arbitrary local optimum. Some recognize this limitation and thus rely on 3D reconstructions of entire scenes using training and test views to align poses, which may be infeasible. In this work, instead, we propose to use traditional 2D-to-2D and 2D-to-3D image matching techniques to align 3D reconstructions. We also evaluate only within co-visible regions, between different views, which is the only place where a `correct' ground truth can be defined. Our evaluations show that with proper coordinate alignment, novel-view synthesis methods that use explicit 3D Gaussians achieve the state of the art, despite being previously reported in the literature to be outperformed by pure image-based 2D methods. We further provide a simple baseline that directly utilizes an off-the-shelf video generator and a feed-forward geometry estimator. Our simple baseline is already comparable to state-of-the-art methods specifically trained for novel-view synthesis, without any task-specific training.
• Abstract（参考訳）: シングルビュー新規ビュー合成法は近年劇的に改良されているが、その性能を定量化する方法はまだ標準化されていない。 本研究では,各メソッドの参照フレームが,いわゆる接地トラスポーズとどのように一致しているかを,重要な要因として示す。 既存の手法はしばしば、このアライメントに対する目標ポーズのテスト時間最適化に依存しており、これは本質的にはカメラポーズの最適化ランドスケープの複雑さとレンダリング精度が原因であり、任意の局所最適化で評価される。 この制限を認識して、トレーニングとテストビューを使ってシーン全体の3D再構成に頼る人もいるが、これは不可能かもしれない。 そこで本研究では,従来の2D-to-2Dと2D-to-3D画像マッチング技術を用いて3D再構成を行う手法を提案する。 また、「正しい」基底真理が定義できる唯一の場所である、異なる視点の間で、同一視可能領域内でのみ評価する。 本研究は,従来の文献では純粋な画像ベース2D法よりも優れていたにもかかわらず,適切な座標アライメントにより,明示的な3Dガウスを用いた新規ビュー合成法が最先端技術を実現していることを示す。 さらに、オフザシェルフビデオジェネレータとフィードフォワード幾何推定器を直接利用するシンプルなベースラインを提供する。 我々の単純なベースラインは、タスク固有のトレーニングを伴わずに、特に新規ビュー合成のために訓練された最先端の手法に既に匹敵する。

関連論文リスト

• TriaGS: Differentiable Triangulation-Guided Geometric Consistency for 3D Gaussian Splatting [2.441486089588484]
  3次元ガウススプラッティングは、画像のレンダリングの効率と能力のために、リアルタイムな新しいビュー合成に不可欠である。 本稿では,制約付き多視点三角測量による大域的幾何整合を強制することにより,再構成を改善する新しい手法を提案する。 複数のフォトリアリスティックデータセットにまたがって本手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-12-06T03:45:39Z)
• AlignGS: Aligning Geometry and Semantics for Robust Indoor Reconstruction from Sparse Views [18.361136390711415]
  屋内シーンのセマンティックにリッチな3Dモデルへの需要は急速に増加しており、拡張現実、仮想現実、ロボット工学の応用によって推進されている。 既存の手法は、しばしば意味論を、既に形成され、潜在的に欠陥のある幾何学に描かれた受動的特徴として扱う。 本稿では、このビジョンを実現する新しいフレームワークであるAlignGSを紹介し、幾何学と意味論の相乗的でエンドツーエンドの最適化を開拓する。
  論文  参考訳（メタデータ） (2025-10-09T06:30:20Z)
• Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
  1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。 既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。 ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
  論文  参考訳（メタデータ） (2025-07-04T04:46:59Z)
• Multiview Image-Based Localization [2.594420805049218]
  本稿では、IR方式のように、画像の特徴のみをデータベースに格納するハイブリッド手法を示す。 3Dの手法のように、潜伏した3Dの再構築に頼っているが、3Dのシーンの再構築は維持していない。 提案手法では,7ScenesとCambridge Landmarksのデータセットのパフォーマンス向上に加えて,最先端技術と比較して,タイミングとメモリフットプリントの向上が図られている。
  論文  参考訳（メタデータ） (2025-03-30T20:00:31Z)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• Towards Human-Level 3D Relative Pose Estimation: Generalizable, Training-Free, with Single Reference [65.42565481489132]
  人間は、単一のクエリ参照イメージペアのみを前提として、ラベル付けやトレーニングをすることなく、これまで見られなかったオブジェクトの相対的なポーズを容易に推論することができる。 RGB-D参照から3D/2.5D形状認識と2.5D形状認識を併用した新しい3次元一般化可能な相対ポーズ推定法を提案する。 RGBとセマンティックマップ(DINOv2がRGB入力から取得)によってテクスチャ化された2.5Dの回転可能なメッシュを識別し、新しいRGBとセマンティックマップを新しい回転ビューの下でレンダリングする。
  論文  参考訳（メタデータ） (2024-06-26T16:01:10Z)
• Shape, Pose, and Appearance from a Single Image via Bootstrapped Radiance Field Inversion [54.151979979158085]
  提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。 そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。 当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
  論文  参考訳（メタデータ） (2022-11-21T17:42:42Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)

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。