3D再構成2026/9/4arXiv:2609.04718

HiSfM: 足場アンカー型階層再構成によるStructure-from-Motionの曖昧性解消

HiSfM: Disambiguating Structure-from-Motion via Scaffold-Anchored Hierarchical Reconstruction

繰り返し構造や対称構造による視覚的曖昧性に強い、階層的な粗密SfMフレームワークを提案。局所コミュニティと検証済みスケルトンを用いて安定な足場を構築し、残りの画像を効率的に吸収することで、曖昧性による失敗を防ぎつつ計算コストを削減する。

詳しい要約

1. どんなもの？

HiSfMは、Structure-from-Motion (SfM)のパイプラインを階層的(coarse-to-fine)に再設計したフレームワークである。繰り返し構造や対称構造による視覚的曖昧さ(visual ambiguity)に対して頑健で、冗長なカメラや制約による計算コストを削減することを目的とする。まず幾何学的ヒューリスティクスを用いて局所的なコミュニティを形成し、それらをedge-disjoint spanning trees (EDST)で接続してコンパクトで強いスケルトンを構築する。スケルトンのエッジはtwo-view disambiguatorで検証される。この検証済みスケルトン上に安定したscaffoldを再構成し、それをアンカーとしてシーンの本質を捉え、残りの画像を効率的なregistrationとtriangulationで吸収して精緻化する。コードは公開されている。

2. 先行研究と比べてどこがすごい？

従来のSfMパイプラインは、繰り返し構造や対称構造による視覚的曖昧さの下で失敗することが多く、また冗長なカメラや制約により計算コストが高い。HiSfMは、階層的なcoarse-to-fine再構成とscaffoldアンカーにより、曖昧さによる失敗を防ぎつつ、計算時間を大幅に削減する。さらに、積極的な間引きを行う手法と比較して、再構成の完全性(completeness)を向上させる。

3. 技術・手法の肝は？

手法の肝は、階層的再構成とscaffold構築にある。具体的には、(1)幾何学的ヒューリスティクスを用いて強い局所コミュニティを形成し、(2)edge-disjoint spanning trees (EDST)を詰め込んでコミュニティを接続し、コンパクトで強いスケルトンを構築する。その際、スケルトンのエッジはtwo-view disambiguatorで検証され、曖昧な対応を排除する。(3)検証済みスケルトン上に安定したscaffoldを再構成し、これをアンカーとしてシーンの本質を捉える。(4)残りの画像は効率的なregistrationとtriangulationで吸収し、さらなる精緻化を行う。

4. どうやって有効だと検証した？

曖昧さに焦点を当てたベンチマークと一般的なデータセットを用いて実験を行い、HiSfMが曖昧さによる失敗を防ぎつつ、従来手法と比較して実行時間を大幅に削減することを示した。また、積極的な間引き手法と比較して、再構成の完全性が向上することも確認した。

5. 議論はある？

要旨からは、提案手法の限界や特定の条件下での性能低下などについての議論は不明である。また、scaffold構築の詳細な基準や、コミュニティ形成のヒューリスティクスの頑健性などについての考察は要旨には含まれていない。

6. 次に読むべき論文は？

要旨で参照されている関連手法としては、従来のSfMパイプライン（例: incremental SfM, global SfM）や、曖昧さを扱うためのdisambiguator、階層的再構成手法などが挙げられる。具体的には、two-view disambiguatorの元となった研究や、EDSTを用いたグラフ理論的なアプローチ、scaffold-based reconstructionの関連研究を読むとよい。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ziding Zhao, Hainan Cui, Peilin Tao, Shuhan Shen

分類: cs.CV

原文アブストラクト

Structure-from-Motion (SfM) is a fundamental tool for sparse 3D reconstruction with broad impact in robotics and vision, supporting mapping, localization, and large-scale scene modeling. However, conventional pipelines often fail under hard visual ambiguity caused by repeated or symmetric structures, and incur heavy computational cost due to redundant cameras and constraints. We present HiSfM, a hierarchical coarse-to-fine SfM framework that improves robustness and efficiency through scaffold construction. HiSfM first forms strong local communities using geometrical induced heuristics, then connects communities with a compact yet strong skeleton by packing edge-disjoint spanning trees (EDST) while verifying skeletal edges with a two-view disambiguator. We reconstruct a stable scaffold on this verified skeleton, serving as an anchor to capture the essence of the scene, and subsequently absorb remaining images via efficient registration and triangulation for further refinements. Experiments on ambiguity-focused benchmarks and general datasets show that HiSfM prevents ambiguity-induced failures while substantially reducing runtime compared to previous methods, and improves completeness over aggressive sparsification methods. Code is available at https://github.com/3dv-casia/HiSfM.

arXivで原文を読む →arXiv概要ページ