論文の概要: ReLift: Dense 3D Tracking as Lifted Trajectory Repair

• arxiv url: http://arxiv.org/abs/2610.42136v1
• Date: Fri, 30 Oct 2026 17:58:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.866606
• Title: ReLift: Dense 3D Tracking as Lifted Trajectory Repair
• Title（参考訳）: リフト:高密度3Dトラッキングが軌道修理に役立てる
• Abstract要約: ReLiftは、幾何学的な軌道の修理と完成として、密集した3D追跡をリキャストする。 WorldTrackでは、ReLiftは最先端の平均精度を達成し、全てのポイントで2.1 APD、ダイナミックポイントで3.0で最強のベースラインを改善する。
• 参考スコア（独自算出の注目度）: 24.765104679904187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dense 3D tracking from monocular video requires establishing point correspondences over time, estimating their depth, and inferring their trajectories during occlusion. Existing methods typically learn these tasks jointly, a demanding objective given the scarcity of 4D supervision. We show that strong pretrained 2D trackers and 3D geometry models provide an effective foundation: lifted trajectories, with occluded segments simply interpolated, already rival dedicated 3D trackers using the same geometry. However, lifted trajectories inherit correspondence and depth errors, and under occlusion, their depth comes from the occluder rather than the tracked point. We introduce ReLift, an efficient feed-forward framework that recasts dense 3D tracking as geometric trajectory repair and completion. At its core, a trajectory corrector alternates attention along and across trajectories to preserve reliable observations, repair corrupted positions, and complete missing motion. Using only geometric inputs allows us to train directly on 3D trajectories with simulated lifting errors, decoupling training from images and from any specific tracker or geometry model. Concentrating 4D supervision on trajectory refinement yields a reusable model that consistently improves lifted trajectories across trackers and geometry providers without retraining, so it benefits directly from future advances in either component. On WorldTrack, ReLift achieves state-of-the-art mean accuracy, improving on the strongest baselines by 2.1 APD on all points and 3.0 on dynamic points, with faster configurations remaining competitive with leading 3D trackers while running faster than 4RC. Visit our supplementry page for more examples and code.
• Abstract（参考訳）: モノクロビデオからの高密度3D追跡には、時間とともに点対応を確立し、深度を推定し、閉塞時に軌道を推定する必要がある。 既存の方法は、通常、これらのタスクを共同で学習する。 既設の強力な2次元トラッカーと3次元幾何モデルが有効な基礎となることを示す。 しかし、昇降軌跡は対応誤差と深さ誤差を継承し、閉塞下では、その深さはトラックされた点ではなくオクルーダーから来ている。 本稿では,高密度な3次元トラッキングを幾何学的軌道修正と補修として再キャストする,効率的なフィードフォワードフレームワークであるReLiftを紹介する。 軌道修正器は、軌道に沿って、またがる注意を交互に切り換えて、信頼できる観測を保ち、破損した位置を修復し、行方不明な動きを完遂する。 幾何学的な入力のみを使用することで、シミュレーションされたリフトエラー、画像からの分離、特定のトラッカーや幾何学モデルから直接3Dトラジェクトリをトレーニングすることができる。 トラジェクトリリファインメントの4D監視を集中させることで、トラックやジオメトリプロバイダ間の昇降軌跡を継続的に改善する再利用可能なモデルが得られるため、いずれのコンポーネントの今後の進歩から直接恩恵を受けることができる。 WorldTrackでは、ReLiftは最先端の平均精度を達成し、全てのポイントで2.1 APD、ダイナミックポイントで3.0で最強のベースラインを向上し、高速な3Dトラッカーと競合しながら4RCより高速に走る。 さらなるサンプルとコードについては、サプリメントページを参照してください。

関連論文リスト

• TrajVG: 3D Trajectory-Coupled Visual Geometry Learning [34.47385438436523]
  TrajVGは、クロスフレームな3D対応を明示する再構築フレームワークである。 擬似2次元トラックのみを用いて,同じ結合制約を自己教師対象に再構成する。 3Dトラッキング、ポーズ推定、ポイントマップ再構成、ビデオ深度による実験は、TrajVGが現在のフィードフォワードのパフォーマンスベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-02-04T11:13:55Z)
• C4D: 4D Made from 3D through Dual Correspondences [77.04731692213663]
  時間的対応を利用して既存の3次元再構成を4Dに拡張するフレームワークであるC4Dを紹介する。 C4Dは、短期光学フローと長期点追跡の2種類の対応をキャプチャする。 我々は、追加の移動情報を提供する動的認識ポイントトラッカーを訓練する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:06Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• Street Gaussians without 3D Object Tracker [84.89933388445185]
  既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)

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。