論文の概要: XM4D: 4D Reconstruction through Certifiable Geometric Optimization
- arxiv url: http://arxiv.org/abs/2611.07902v1
- Date: Thu, 05 Nov 2026 12:20:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.677789
- Title: XM4D: 4D Reconstruction through Certifiable Geometric Optimization
- Title（参考訳）: XM4D: 認証幾何最適化による4次元再構成
- Abstract要約: XM4Dは,大まかに大まかに最適化された最適化に基づいて構築された,正確かつ効率的な4次元再構成のためのフレームワークである。
我々は、構造化二次プログラミング(SDP)緩和と大域的最適性証明として、両方の段階を定式化する。
7つのベンチマークによる実験では、静的シーンと動的シーンの両方で正確なカメラモーション推定が示されている。
- 参考スコア（独自算出の注目度）: 13.987748561407036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate 4D reconstruction remains challenging: jointly estimating camera motion, scene geometry, and non-rigid deformation entails highly nonconvex optimization, making global optimality difficult to guarantee. We present XM4D, a framework for accurate and efficient 4D reconstruction built upon certifiably globally optimal geometric optimization. By separating the estimation of camera motion from non-rigid deformation, we formulate both stages as structured quadratically constrained quadratic programs (QCQP) that admit semidefinite programming (SDP) relaxations and verifiable global optimality certificates. For camera motion estimation, we lift static point tracks into 3D using foundational depth prediction models and formulate a scaled bundle adjustment problem that jointly estimates camera poses, depth scales, and static landmarks. By analytically eliminating translations and landmarks, we reduce the problem to a QCQP over scaled rotations. For non-rigid reconstruction, we represent dynamic motion using an embedded deformation graph (EDG) and show that its tracking, rigidity, and temporal regularization objectives similarly reduce to a rotation-only QCQP. Both problems admit SDP relaxations that we solve efficiently with a GPU-accelerated Burer-Monteiro solver based on Riemannian optimization. The recovered geometry further initializes dynamic Gaussian splatting for photometric refinement. Extensive experiments across seven benchmarks demonstrate accurate camera motion estimation on both static and dynamic scenes, efficient optimization that scales to thousands of frames, and state-of-the-art novel-view rendering quality.
- Abstract（参考訳）: カメラの動き、シーン形状、非剛性変形を共同で推定することは、非常に非凸な最適化を必要とするため、グローバルな最適性を保証するのが困難である。
XM4Dは,大まかに大まかに最適化された最適化に基づいて構築された,正確かつ効率的な4次元再構成のためのフレームワークである。
カメラの動きを非剛性変形から推定することにより、両ステージを半定値プログラミング(SDP)緩和と検証可能な大域的最適性証明を許容する構造付き二次プログラム(QCQP)として定式化する。
カメラの動作推定には,基本深度予測モデルを用いて静止点トラックを3次元化し,カメラのポーズ,深度スケール,静的ランドマークを共同で推定するスケールドバンドル調整問題を定式化する。
翻訳やランドマークを解析的に排除することにより、スケールした回転に関するQCQPに問題を還元する。
非剛性再構成では、埋め込み変形グラフ(EDG)を用いて動的運動を表現し、その追跡、剛性、時間正規化の目的が同様に回転のみのQCQPに還元されることを示す。
どちらの問題も、リーマン最適化に基づくGPU加速のBurer-Monteiroソルバで効率よく解けるSDP緩和を認めている。
復元された幾何学は、光度補正のための動的ガウススプラッティングをさらに初期化する。
7つのベンチマークにわたる大規模な実験では、静的シーンと動的シーンの両方における正確なカメラモーション推定、数千フレームにスケールする効率的な最適化、最先端のノベル・オブ・テクストのレンダリング品質が示されている。
関連論文リスト
- EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳（メタデータ） (2026-08-09T09:00:30Z) - Ground4D: Consistency-Aware 4D Reconstruction from Monocular Video [69.94904173314505]
2つのステージ上に構築された幾何グラウンドのフレームワークであるGround4Dを提案する。
まず,モノクロ映像から複数視点の立体形状とカメラポーズを再構成する。
第2に,動的ガウススプラッティングによる幾何整合性を考慮した改良を行う。
論文 参考訳（メタデータ） (2026-06-27T09:27:42Z) - Face Anything: 4D Face Reconstruction from Any Image Sequence [49.395407357499074]
そこで本研究では,正準顔点予測に基づく高忠実度4次元顔再構成の統一手法を提案する。
深度と標準座標を共同で予測することにより,正確な深度推定,時間的に安定な再構築,密度の高い3次元形状,頑健な顔点追跡が可能となる。
論文 参考訳（メタデータ） (2026-04-21T17:22:39Z) - MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting [54.859943475818234]
MotionScaleは、4Dガウススティングフレームワークで、大きなシーンや拡張シーケンスに効率よくスケールする。
挑戦的な実世界のベンチマークの実験では、MotionScaleは復元品質と時間的安定性の両方において最先端の手法を大きく上回っている。
論文 参考訳（メタデータ） (2026-03-31T06:03:59Z) - RU4D-SLAM: Reweighting Uncertainty in Gaussian Splatting SLAM for 4D Scene Reconstruction [8.13353479857245]
4Dリコンストラクション、特に4Dガウシアンスプラッティングは、これらの課題に対処するための有望な方向性を提供する。
本研究では,4次元シーン再構成のための頑健で効率的なフレームワーク,すなわち,ガウススティングSLAM(RU4D-SLAM)における不確実性の再重み付けを提案する。
提案手法は,軌道精度と4次元シーン再構成の両面において,最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2026-02-24T11:47:43Z) - EVolSplat4D: Efficient Volume-based Gaussian Splatting for 4D Urban Scene Synthesis [43.898895514609286]
EvolSplat4Dは、ボリュームベースとピクセルベースのガウス予測を統合することで、既存のピクセル単位のパラダイムを超えたフィードフォワードフレームワークである。
EvolSplat4Dは静的環境と動的環境の両方を高い精度と一貫性で再構成し、シーンごとの最適化と最先端のフィードフォワードベースラインの両方に優れることを示す。
論文 参考訳（メタデータ） (2026-01-22T13:39:29Z) - JOGS: Joint Optimization of Pose Estimation and 3D Gaussian Splatting [10.35563602148445]
本稿では,3次元ガウス点とカメラポーズを事前校正入力を必要とせずに協調的に最適化する統合フレームワークを提案する。
我々のアプローチは、3Dガウスパラメータを反復的に洗練し、新しいコ最適化戦略によってカメラのポーズを更新する。
提案手法は,再建品質において既存のCOLMAPフリー技術よりも優れており,標準のCOLMAPベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2025-10-30T04:00:07Z) - A Constrained Optimization Approach for Gaussian Splatting from Coarsely-posed Images and Noisy Lidar Point Clouds [37.043012716944496]
カメラポーズ推定と3次元再構成を同時に行うための制約付き最適化手法を提案する。
実験により,提案手法は既存の(マルチモーダル)3DGSベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2025-04-12T08:34:43Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - Spatiotemporal Bundle Adjustment for Dynamic 3D Human Reconstruction in
the Wild [49.672487902268706]
本稿では,カメラの時間的アライメントと3次元点三角測量を共同で推定する枠組みを提案する。
複数の無同期・無同期ビデオカメラで捉えたイベントにおいて、人間の身体の3次元運動軌跡を再構成する。
論文 参考訳（メタデータ） (2020-07-24T23:50:46Z)
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。