王欣哲 (Xinzhe Wang) 氏らは10月8日(現地時間)、論文投稿サイトarXiv cs.CVを通じて、フィードフォワード型視覚情報からの三次元再構成における課題を解決する新手法「MIRAGE」を発表した。この手法は、信頼性の高いメトリックスケールと長期的な軌道ドリフトの問題に対処し、高精度な位置推定と高忠実度なガウス再構成を同時に実現する。
MIRAGEは、Metric Inference and Reliability-Aware Gaussian Estimation from Feed-Forward Visionの略称である。この手法は、フィードフォワード型の三次元事前情報が画像ストリームからの高品質な再構成を可能にする一方で、信頼できるメトリックスケールが不足し、長期的な軌道ドリフトに悩まされるという、既存の課題に対応している。
既存のLiDAR-IMU（慣性計測装置）による推定は、メートル単位で正確な動きを提供するものの、高忠実度な再構成に不可欠な画像空間の一貫性を欠いている。MIRAGEは、フィードフォワード型の視覚幾何学情報をLiDAR-IMUのメートル単位の動きに固定するアプローチを採用している。これにより、対応関係のサポートとクロスモーダルな合意に基づいて、オンラインでのポーズ修正を調整する機能を実現している。
王氏らは、Oxford Spires、M2DGR、およびINSといった複数のデータセットを用いた実験を実施した。その結果、MIRAGEは正確なメートル単位の軌道推定を達成したことを示している。さらに、広く使用されているものの計算コストが高い、視覚のみのベンチマークのリファレンスであるCOLMAPを上回る性能を発揮した。
また、研究チームは大規模な屋内再構成のための長距離単眼ベンチマークが不足している現状を鑑み、マルチモーダルなデータ収集プラットフォームを独自に構築した。このプラットフォームとMIRAGEを活用して、新しい視覚のみのベンチマーク向けに正確な6自由度 (6-DoF) の参照軌道を確立している。この新たなデータセットを用いることで、最近の単眼大規模再構成手法の性能を体系的に評価し、長距離屋内シーンにおけるそのパフォーマンスを詳細に検証している。
参考: arXiv cs.CV (アーカイブ) — 2026年10月12日 13:00 (JST)
原文ハイライト"Metric Inference and Reliability-Aware Gaussian Estimation from Feed-Forward Vision"