3次元再構成やビジュアル定位において、グローバルカメラポーズ推定は核心的な問題です。従来のStructure-from-Motion（SfM）手法は、カメラ位置を推定するためにペアごとの並進方向に依存していましたが、これらの局所的な推定はしばしば大域的整合性を欠いていました。この課題に対処するため、Francisco ChenらはTriDEを提案しました。これは、三角形一貫性の制約を導入して並進方向を共同で最適化する手法です。
TriDEの核心は、カメラ-三角形一貫性を効率的な高次検証信号として利用することです。従来の大域的非線形最適化とは異なり、TriDEはメッセージパッシング機構を用いて、方向とその関連する重み付き三角形の間で情報を伝播させ、信頼性の低いペア方向を逐次修正します。この戦略により、複雑な大域的最適化を回避しつつ、現実的なランダム破損モデルの下で正確な回復のための強い相転移境界を理論的に確立しています。つまり、一定の破損条件下では、TriDEは高い確率で真の並進方向を復元できることを意味します。
実験では、実画像グラフを用いてTriDEの性能を評価しました。既存手法と比較して、TriDEは方向精度を大幅に向上させ、最終的なカメラ位置推定も顕著に改善しました。例えば、複数の標準データセットにおいて、方向誤差を30%以上削減し、カメラ位置の中央誤差も明らかに減少しました。これらの結果は、TriDEが局所的なペア推定と大域的なカメラポーズ幾何を効果的に結びつけることを示しています。
本論文は2026年5月7日にarXivに提出され、IDは2605.06889です。全32ページ、6図を含み、著者はFrancisco Chenらです。この研究は、大規模3次元再構成のための効率的で堅牢なソリューションを提供し、自動運転、拡張現実、ロボット位置特定などの分野での応用が期待されます。