論文の概要: SEALECT: Scene-Conditioned Pose Priors for Plausible Maritime Vessel Retrieval

• arxiv url: http://arxiv.org/abs/2611.01688v1
• Date: Sun, 01 Nov 2026 08:17:47 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:12:38.024814
• Title: SEALECT: Scene-Conditioned Pose Priors for Plausible Maritime Vessel Retrieval
• Title（参考訳）: SEALECT: 可塑性海事回収のためのシーンコンディション付きプール
• Abstract要約: SEALECTは、視覚的互換性、容器ポーズ、スケール、シーン幾何学を共同でモデル化する検索フレームワークである。 海上のシーン・プレイス・ライブラリを構築し、ポーズとスケールを非パラメトリックにモデル化する。 トレーニングされたシーンコンディショニングレトリバーは、リコールにおいて最強の外観エンコーダ(SigLIP2)を超えます。
• 参考スコア（独自算出の注目度）: 0.8078491757252692
• License:
• Abstract: We address scene-conditioned object retrieval for compositional augmentation in maritime imagery, where strong geometric constraints make appearance-only retrieval produce physically implausible vessel insertions. We propose SEALECT, a retrieval framework that jointly models visual compatibility, vessel pose, scale, and scene geometry through a unified score combining neural similarity, scene-conditioned pose priors, and observed-pose consistency. We construct a maritime scene-pose library and model the pose and scale priors nonparametrically, as a kernel that conditions each prior continuously on the scene with no learned parameters. Across seven maritime benchmarks, our trained scene-conditioned retriever exceeds the strongest appearance encoder (SigLIP 2) in recall (+0.14), and the training-free prior raises geometric plausibility further at negligible recall cost, more than halving the constraint violations of appearance retrieval and outperforming learned foreground-search baselines (GALA-style, DiscoFOS). In a blind study of end-to-end composites (BootPlace placement, DiffHarmony harmonization), SEALECT ranks first among six methods, ahead of random and GALA-style selection and statistically tied with CLIP, DiscoFOS, and DINO.
• Abstract（参考訳）: 海洋画像における合成増強のためのシーン条件付きオブジェクト検索に対処し, 外観のみの検索が物理的に不明瞭な血管挿入を発生させるような, 強い幾何学的制約を課す。 ニューラル類似性,シーン条件付きポーズ先行,観測位置整合性を組み合わせた統合スコアを用いて,視覚的適合性,容器ポーズ,スケール,シーン形状を共同でモデル化する検索フレームワークSEALECTを提案する。 本研究では,海中のシーンプレースライブラリを構築し,ポーズとスケールを非パラメトリックにモデル化する。 7つの海事ベンチマークにおいて、トレーニング済みのシーンコンディショナーは、最強の外観エンコーダ(SigLIP2)をリコール(+0.14)し、トレーニング不要の事前は、外観検索の制約違反と、学習された前景検索ベースライン(GALAスタイル、DiscoFOS)を半減する以上の、幾何的妥当性を高める。 終末合成物(BootPlaceplacement, DiffHarmony harmonization)の盲目的研究において、SEALECTはランダムおよびGALAスタイルの選択に先立ち、CLIP、DiscoFOS、DINOと統計的に結びついている6つの方法の中で第1位である。

関連論文リスト

• PosePlaner: Denoising Any Feed-Forward Pose Predictor from Pairwise Planar Geometry [57.19469836839409]
  最近の多視点変換器は、2つのビューから多くのビューと長いシーケンスへのトレーニングデータとモデルキャパシティのスケーリングにより、高度な3次元再構成を実現している。 我々はPosePlanerを提案し、このギャップを埋めるために、古典的な対応とフローマッチングによるポーズの結合を復活させることにより、このギャップを埋める。 提案手法は2視点データに基づいて効率よく訓練されるが,n視点ポーズ推定器をリトレーニングなしでストリーミングするための周期的精錬器として機能する。
  論文  参考訳（メタデータ） (2026-10-26T04:55:36Z)
• 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)
• Collision-Aware and Observation-Aligned Object-Centric Scene Reconstruction from Point Cloud [25.98321188567849]
  COOLは、Collision-Aware and Observation-ALigned Restructionのフレームワークである。 3D-FrontとScan2CADの実験は、強いシーンレベルの忠実度、観察アライメント、衝突低減を示す。
  論文  参考訳（メタデータ） (2026-09-29T11:10:43Z)
• ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures [18.468596508491967]
  ReSceneは、パイプライン全体のマルチビュージオメトリを統一前のものとしてスレッドするフレームワークである。 HierViewはセマンティックな一貫性と3Dカバレッジに基づいた再構築ビューを優先する。 ReSceneは、ScanNetの一連のシーンで、幾何学、レンダリング、知覚的品質をまたいだ、新しい最先端のアートをセットする。
  論文  参考訳（メタデータ） (2026-06-26T13:08:40Z)
• Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
  Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。 X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。 提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-09-25T04:59:02Z)
• UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
  見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。 参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。 単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
  論文  参考訳（メタデータ） (2024-11-25T05:36:00Z)
• SM/VIO: Robust Underwater State Estimation Switching Between Model-based and Visual Inertial Odometry [1.9785872350085876]
  本稿では,水中操作における視覚慣性状態推定のロバスト性問題に対処する。 提案手法では,ロボットの運動学モデルと固有感覚センサを用いてポーズ推定を行う。 ヘルスモニタリングは、2つの推定器間のタイムリーな切り替えを保証するVIOプロセスを追跡する。
  論文  参考訳（メタデータ） (2023-04-04T17:46:20Z)
• SSP-Pose: Symmetry-Aware Shape Prior Deformation for Direct Category-Level Object Pose Estimation [77.88624073105768]
  カテゴリーレベルのポーズ推定は、クラス内形状の変化によって難しい問題である。 カテゴリレベルのポーズ推定のためのエンドツーエンドのトレーニング可能なネットワークSSP-Poseを提案する。 SSP-Poseは、リアルタイムの推論速度が約25Hzの競合に比べて性能が優れている。
  論文  参考訳（メタデータ） (2022-08-13T14:37:31Z)

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。