論文の概要: Scale Anchoring via Implicit Semantics and Sequence-Consistent Loop Closure for VGGT-Based SLAM

• arxiv url: http://arxiv.org/abs/2611.06308v1
• Date: Wed, 04 Nov 2026 10:42:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.062733
• Title: Scale Anchoring via Implicit Semantics and Sequence-Consistent Loop Closure for VGGT-Based SLAM
• Title（参考訳）: VGGTベースSLAMにおけるインシシトセマンティクスとシーケンス一貫性ループクロージャによるスケールアンカリング
• Abstract要約: 我々は、VGGT-SLAM 2.0を拡張し、固定ルートスケールアンカーとショートシーケンスアシスト直接ループ接続を行う。 合同VGGT推論は、学習した暗黙的な意味幾何学的手がかりを使用して、元の重なり鎖を保持しながらスケールのみのアンカーを供給する。 17列比較では、VGGT-SLAM 2.0ベースラインと比較して9つのTUM配列のSim(3) ATEが0.1018から0.0451mと低い。
• 参考スコア（独自算出の注目度）: 3.448726748631206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feed-forward geometric foundation models enable dense monocular reconstruction without requiring camera calibration, but independently reconstructed submaps can accumulate scale drift, and even a valid revisit can yield an inconsistent cross-submap measurement. We extend VGGT-SLAM 2.0 with fixed-root scale anchoring and short-sequence-assisted direct loop connections. SALAD selects an image pair between the initial submap and each eligible new submap; joint VGGT inference then uses learned implicit semantic-geometric cues to supply a scale-only anchor while preserving the original overlap chain. For loop closure, neighboring image pairs support a consistency check and translation-scale alignment. Each accepted candidate contributes one robust Sim(3) factor between existing center-frame nodes, without an auxiliary loop submap. A 17-sequence comparison lowers mean Sim(3) ATE on nine TUM sequences from 0.1018 to 0.0451 m relative to the VGGT-SLAM 2.0 baseline. Anchoring improves all seven no-loop module ablations. On three Clio scenes, a fixed-loop comparison favors the direct connection pipeline over the tested auxiliary-submap pipeline. A separate candidate audit exposes additional rejections of visually overlapping pairs by the short-sequence check. These comparisons distinguish the gains from long-range scale anchoring and loop connection choices from the limitations of candidate verification.
• Abstract（参考訳）: フィードフォワード幾何学的基礎モデルは、カメラのキャリブレーションを必要とせずに、密集した単分子再構成を可能にするが、独立に再構成されたサブマップはスケールドリフトを蓄積でき、有効な再考さえも一貫性のないクロスサブマップ測定が得られる。 我々は、VGGT-SLAM 2.0を拡張し、固定ルートスケールアンカーとショートシーケンスアシスト直接ループ接続を行う。 SALADは、初期サブマップと各適用可能な新しいサブマップの間のイメージペアを選択し、共同VGGT推論は学習された暗黙的な意味幾何学的手がかりを使用して、元のオーバーラップチェーンを保持しながらスケールのみのアンカーを提供する。 ループ閉鎖のために、隣接する画像ペアは一貫性チェックと翻訳スケールアライメントをサポートする。 各候補は、補助ループサブマップなしで、既存の中央フレームノード間で1つのロバストなSim(3)因子を寄与する。 17列比較では、VGGT-SLAM 2.0ベースラインと比較して9つのTUM配列のSim(3) ATEが0.1018から0.0451mと低い。 アンコリングは7つのノーループモジュールのアブリゲーションを改善します。 Clioの3つのシーンでは、固定ループ比較がテストされた補助サブマップパイプラインよりも直接接続パイプラインを好む。 個別の候補監査は、ショートシーケンスチェックによって視覚的に重複するペアの追加拒絶を公開する。 これらの比較は、長距離スケールのアンカーとループ接続の選択と、候補検証の限界とを区別する。

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)
• CrossFit-GS: Out-of-Fold Pose Estimation for COLMAP-Free 3D Gaussian Splatting [10.683360547024954]
  ポースフリー3Dガウススメッティング(3DGS)は、煩雑な構造移動(SfM)を回避することを目的としている CrossFit-GSは累積軌道ドリフトを緩和し、歪んだマップエラーの自己回帰ループを破る。 CrossFit-GSは、既存の方法よりもカメラポーズ推定とノベルビュー合成の両方を一貫して改善する。
  論文  参考訳（メタデータ） (2026-10-20T13:29:26Z)
• VGGT-Bridge: Beyond Sequential Pose Graphs via Coarse-Stride Skip Edges [8.057566729949832]
  VGGTは、単一の前方通過の画像から密度の高い3D構造を再構成する。 チャンク・アンド・アラインなフレームワークは、長いシーケンスを重複したチャンクに分割し、局所的な再構成をポーズグラフに縫い付けることで、この問題に対処する。 本稿では,非隣接チャンクを直接拘束する長距離スキップエッジを追加したVGGT-Bridgeを提案する。
  論文  参考訳（メタデータ） (2026-10-05T16:07:04Z)
• Rotate the Loop: Blockwise Conformality for Looped Transformers [72.4010041245191]
  ループが状態を追跡することを学習したかどうかが,この地図の形状に関する幾何学的問題であることを示す。 残差を座標整列群に分割し,それぞれ内部を回転させるブロックワイド整列注入を提案する。
  論文  参考訳（メタデータ） (2026-09-30T23:32:34Z)
• UniSim-SLAM: Feed-Forward SLAM with Unified Sim(3) Optimization [10.710770027400883]
  UniSim-SLAMは、リッチネスで軽量な2ビュートラッキングを実行し、バックエンドで周期的なマルチビューサブマップ改善を行う統合システムである。 我々は,UniSim-SLAMが未校正条件における最先端の精度を実現し,TUM RGB-Dで38.5%,7シーンで45.9%のトラジェクトリ誤差を低減したことを示す。
  論文  参考訳（メタデータ） (2026-08-03T05:13:01Z)
• SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
  SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。 提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
  論文  参考訳（メタデータ） (2026-06-19T10:23:25Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• VGGT-SLAM++ [5.328844684085525]
  VGGT-SLAM++ は Visual Geometry Grounded Transformer (VGGT) のジオメトリリッチな出力を利用する完全なビジュアルSLAMシステムである。 VGGT-SLAM++は最先端の精度を実現し、短期のドリフトを大幅に削減し、グラフ収束を加速し、コンパクトDEMタイルとサブ線形検索とのグローバルな一貫性を維持する。
  論文  参考訳（メタデータ） (2026-04-08T08:48:48Z)
• IUP-Pose: Decoupled Iterative Uncertainty Propagation for Real-time Relative Pose Regression via Implicit Dense Alignment v1 [4.987163446489143]
  相対的なポーズ推定は、SLAM、視覚的位置決め、および3D再構成に基本となる。 既存のRPR(Relative Pose Regression)メソッドでは,機能マッチングパイプラインの精度は向上するが,非微分可能なRANSACによるブロック勾配フローが実現されている。 IUP-Poseは、幾何駆動の分離された反復的フレームワークであり、暗黙の密接なアライメントを持つ。
  論文  参考訳（メタデータ） (2026-03-20T04:04:52Z)
• Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
  Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
  論文  参考訳（メタデータ） (2025-09-15T15:24:49Z)
• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)

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。