論文の概要: Solv3R: 3D Looped Transformer as a Multi-view Solver

• arxiv url: http://arxiv.org/abs/2611.02857v1
• Date: Mon, 02 Nov 2026 09:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:50:32.110226
• Title: Solv3R: 3D Looped Transformer as a Multi-view Solver
• Title（参考訳）: Solv3R:マルチビューソルバーとしての3次元ループ変換器
• Abstract要約: 本稿では,ループ変換器であるSolv3Rについて紹介する。 我々は、継続反復と正確な不正確な状態の下で正確な復元を維持するようオペレーターを訓練する。 我々は、解法力学を解析し、最先端技術と比較する。
• 参考スコア（独自算出の注目度）: 37.87586949184178
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classical structure-from-motion reconstruction proceeds iteratively, refining camera poses and scene geometry from a current estimate. This allows maps to easily expand without recomputing already computed views, or geometry estimates to improve as more observations are provided. Most geometric foundation models, however, predict entire geometry in a single forward pass or update a recurrent state as frames arrive sequentially, making this expansion and refinement non-trivial. We introduce Solv3R, a looped transformer that learns to continue solving multi-view geometry from its current state. Importantly, its update operator is independent of the iteration count, allowing previously refined and newly introduced views to be jointly updated regardless of how ``solved'' they are. We train the operator to preserve accurate reconstructions under continued iteration and correct inaccurate states, enabling refinement of fixed image collections and integration of new observations. Representations of solved views can also be cached once and reused as geometric context across iterations, enabling compact and efficient key-value caching. We analyze the solver dynamics and compare it with the state-of-the-art, demonstrating that a single learned solver supports offline reconstruction, incremental reconstruction, relocalization, and streaming without task-specific training or modules. The code and models will be made publicly available at https://ubc-vision.github.io/solv3r/.
• Abstract（参考訳）: 古典的構造-動きからの再構成は反復的に進行し、現在の推定値からカメラのポーズとシーン形状を精製する。 これにより地図は、既に計算済みのビューを再計算することなく容易に拡張できる。 しかし、ほとんどの幾何学的基礎モデルは、1つの前方通過で全幾何学を予測するか、フレームが順次到着するにつれて再帰状態を更新するので、この拡張と改善は簡単ではない。 本稿では,ループ変換器であるSolv3Rについて紹介する。 重要な点として、更新オペレータはイテレーションカウントとは独立しているため、以前洗練され、新しく導入されたビューは、‘解決’された’かどうかに関わらず、共同で更新される。 我々は、継続反復と正確な不正確な状態の下で正確な再構成を維持できるようにオペレーターを訓練し、固定画像収集の洗練と新しい観測の統合を可能にした。 解決されたビューの表現は一度キャッシュして、イテレーション間で幾何学的コンテキストとして再利用することで、コンパクトで効率的なキーバリューキャッシングを可能にします。 我々は,解解のダイナミクスを解析し,最先端技術と比較し,オフラインの再構築,漸進的な再構築,再局在化,およびタスク固有のトレーニングやモジュールなしでのストリーミングをサポートすることを実証した。 コードとモデルはhttps://ubc-vision.github.io/solv3r/で公開されます。

関連論文リスト

• Graph3R: Unifying View Graph Initialization with Feed-Forward Reconstruction [32.502639835704315]
  不正確な画像コレクションは、しばしば不規則なシーンからのビューを含んでおり、これらのビューを共同で再構築することは、カメラのポーズや幾何学を損なう可能性がある。 ビューグラフとフィードフォワード再構成を共有幾何表現で統合するGraph3Rを導入する。 3つのベンチマークで、Graph3Rは平均的な最大リコールを100%精度で改善し、ベースラインの最大8.99ポイントまで改善した。
  論文  参考訳（メタデータ） (2026-10-12T06:50:08Z)
• Pano3D: Unified 3D Reconstruction and Panoptic Segmentation [68.18993232814061]
  統合されたフレームワークで3次元再構成と3次元パノプティクスのセグメンテーションを行う手法を提案する。 既存の3次元再構成モデルを構築し,それをマスクデコーダで拡張する。 提案手法は,ScanNet,ScanNet200,ScanNet++データセット間の3次元パノプティクスセグメンテーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-06-12T09:43:13Z)
• BA-T: An Iterative Transformer for Two-View Bundle Adjustment [53.16990349592508]
  暗黙のトークン空間における繰り返し可能なレイヤとして,BAスタイルの構造化更新を実装した反復変換器であるBA-Tを提案する。 実験により、BA-Tは反復間におけるポーズと再構成の精度を徐々に改善することが示された。 BA-Tは、奥行き重心に対するコンパクトで効率的で構造的な代替手段を提供し、軽量アーキテクチャ内で正確な3D再構成を可能にする。
  論文  参考訳（メタデータ） (2026-06-02T07:51:14Z)
• Free Geometry: Refining 3D Reconstruction from Longer Versions of Itself [38.95274911975506]
  Free Geometryは、フィードフォワードの3D再構成モデルが3D基底の真理なしにテスト時に自己進化することを可能にするフレームワークである。 当社のアプローチは、4つのベンチマークデータセットにまたがって、Depth Anything 3やVGGTといった最先端の基礎モデルを継続的に改善しています。
  論文  参考訳（メタデータ） (2026-04-15T16:24:03Z)
• $π^3$: Permutation-Equivariant Visual Geometry Learning [65.81605424082434]
  $pi3$はフィードフォワードニューラルネットワークで、視覚的幾何学的再構成に対する新しいアプローチを提供する。 pi3$は、アフィン不変のカメラポーズとスケール不変のローカルポイントマップを予測するために、完全な置換同変アーキテクチャを使用している。
  論文  参考訳（メタデータ） (2025-07-17T17:59:53Z)
• Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
  本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。 従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T05:34:29Z)
• LegoFormer: Transformers for Block-by-Block Multi-view 3D Reconstruction [45.16128577837725]
  現代のディープラーニングベースの多視点3D再構成技術のほとんどは、RNNまたは融合モジュールを使用して、エンコード後の複数の画像からの情報を組み合わせている。 我々は, 1 つのフレームワークでオブジェクト再構成を統一し, その分解因子によって再構成された占有グリッドをパラメータ化する, トランスフォーマーベースのモデルである LegoFormer を提案する。
  論文  参考訳（メタデータ） (2021-06-23T00:15:08Z)
• Learning to Correct 3D Reconstructions from Multiple Views [20.315829094519128]
  既存の再構築の2Dビューを描画し、高品質な再構築に対応するために逆深度を洗練する畳み込みニューラルネットワークを訓練する。 私たちが修正したビューは同じ再構築からレンダリングされるため、同じジオメトリを共有するため、重複するビューが相互に補完する。 ビュー間の相対的なポーズから多層パーセプトロンによって生成される動的フィルタを用いて特徴を変換する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-22T16:02:23Z)

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。