論文の概要: Deep Bundle Adjustment
- arxiv url: http://arxiv.org/abs/2611.18256v1
- Date: Fri, 13 Nov 2026 14:52:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.35164
- Title: Deep Bundle Adjustment
- Title(参考訳): 深部バンドル調整
- Abstract要約: 我々は、任意の数のビューで2Dマッチングからカメラのポーズ、内在、シーン構造を復元するグラフニューラルネットワーク(GNN)であるtextbfDeepBA(textbfDeep textbfBundle textbfAdjustment)を提案する。
2.04Mパラメータでは、シーン再構成とほとんどのポーズメトリクスのマッチから、事前学習されたSfMよりも優れています。
- 参考スコア(独自算出の注目度): 45.88028371034407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present \textbf{DeepBA} (\textbf{Deep} \textbf{B}undle \textbf{A}djustment), a graph neural network (GNN) that recovers camera poses, intrinsics, and scene structure from 2D matches across an arbitrary number of views. Rather than solving a non-linear least-squares problem per scene, DeepBA amortizes bundle adjustment into a learned graph network that iteratively refines its estimate from geometric residuals. Where classical SfM computes its updates analytically and needs careful initialization, DeepBA learns them and converges from a cold start. It is trained with scale-invariant supervision (ground-truth rotation, translation direction, and intrinsics, plus reprojection self-consistency), so datasets with arbitrary metric units can be mixed without per-scene normalization. DeepBA is decoupled from the matcher. At 2.04M parameters, it outperforms prior learned SfM from matches on scene reconstruction and on most pose metrics, is competitive with classical SfM at moderate accuracy thresholds and overtakes it in wall time as the view count grows, and approaches monolithic image-to-geometry transformers such as VGGT ($\sim$1.2B parameters) with greater modularity. Project~page: https://cphjsn.github.io/deep-ba/
- Abstract(参考訳): 本稿では、カメラのポーズ、内在、シーン構造を復元するグラフニューラルネットワーク (GNN) である。
シーン当たりの非線形最小二乗問題を解く代わりに、DeepBAはバンドル調整を学習グラフネットワークに補正し、幾何学的残差から推定を反復的に洗練する。
古典的なSfMはその更新を解析的に計算し、慎重に初期化する必要があるが、DeepBAはそれらを学び、コールドスタートから収束する。
スケール不変の監督(地下構造回転、翻訳方向、内在性、再投射自己整合性)で訓練されるので、任意のメートル単位のデータセットはシーンごとの正規化なしに混合することができる。
DeepBAは、マッカーから切り離されています。
2.04Mパラメータでは、シーン再構成とほとんどのポーズメトリクスのマッチから学習済みのSfMを上回り、適度な精度のしきい値で古典的なSfMと競合し、ビューカウントが大きくなるにつれて壁面時間で上回り、VGGT(\sim$1.2Bパラメータ)のようなモノリシックな画像-幾何学変換にアプローチする。
Project~page: https://cphjsn.github.io/deep-ba/
関連論文リスト
- One Block, Multiple Depths: Recurrent Vision Transformers with Depth-Programmed Experts [52.62368406036621]
reViTは、FFNを各繰り返し深さで、小さな共有専門家バンクの凸結合として表現することで、深さ固有の変換を復元する。
reViT-B/16では,約70%の保存パラメータでDeiT IIIの精度が得られた。
論文 参考訳(メタデータ) (2026-10-08T17:58:36Z) - DeepLoop: Depth Scaling for Looped Transformers [91.7922038545625]
ループ変換器は、複数のラウンドにコンパクトな物理ブロックのスタックを適用することで、シーケンシャルな計算をスケールする。
我々は、この密着した深さ効果を、訪問配向係数によって制御された一階の摂動によって定式化する。
結果のメソッド textbfDeepLoop は Post-LN DeepNorm アーキテクチャを保持し、非ロール深度に対して $= (2N)1/2$ と $=(8N)-1/2$ をセットする。
論文 参考訳(メタデータ) (2026-07-15T06:37:05Z) - Depth2Pose: A Pose-Based Benchmark for Monocular Depth Estimation without Ground-Truth Depth [36.90157943436845]
本稿では,下流タスクの文脈における単眼深度推定器(MDE)の評価フレームワークを提案する。
深度認識幾何学的解法における特徴対応と深度予測を組み合わせることで、相対カメラのポーズ推定精度を深度品質のプロキシとして利用する。
本手法は,地底深度が難しい場面に応用できる。
論文 参考訳(メタデータ) (2026-05-19T12:59:11Z) - Arithmetic-Mean $μ$P for Modern Architectures: A Unified Learning-Rate Scale for CNNs and ResNets [9.94514344279733]
Arithmetic-Mean $mu$P は個々の層ではなく、ネットワーク全体の平均1ステップのプレアクティベーション第2モーメントを一定スケールに制限する。
1次元および2次元の畳み込みネットワークの場合、最大更新学習率は$etastar(L)propto L-3/2$; を満足する。
論文 参考訳(メタデータ) (2025-10-05T19:22:50Z) - Revisit Self-supervised Depth Estimation with Local Structure-from-Motion [11.37743577100943]
自己教師付き深度推定とSfM(Structure-from-Motion)の両方がRGBビデオからシーン深度を復元する。
本研究は,局所SfMによる代替スキームを提案する。
すでにSoTAが監督する深度と対応モデルの恩恵を受けています。
論文 参考訳(メタデータ) (2024-07-27T04:37:16Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳(メタデータ) (2023-08-10T17:55:02Z) - Bayesian Interpolation with Deep Linear Networks [92.1721532941863]
ニューラルネットワークの深さ、幅、データセットサイズがモデル品質にどう影響するかを特徴付けることは、ディープラーニング理論における中心的な問題である。
線形ネットワークが無限深度で証明可能な最適予測を行うことを示す。
また、データに依存しない先行法により、広い線形ネットワークにおけるベイズ模型の証拠は無限の深さで最大化されることを示す。
論文 参考訳(メタデータ) (2022-12-29T20:57:46Z) - Back to the Feature: Learning Robust Camera Localization from Pixels to
Pose [114.89389528198738]
画像と3Dモデルから正確な6-DoFのポーズを推定するシーンに依存しないニューラルネットワークPixLocを導入する。
このシステムは、粗いポーズ前の大きな環境でもローカライズできるが、スパース特徴マッチングの精度も向上する。
論文 参考訳(メタデータ) (2021-03-16T17:40:12Z)
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。