TriP: 三角形パズルによる頑健な並進平均化手法

- カメラ位置をペアの相対並進方向から復元する translation averaging の新手法 TriP を提案。 - 三角形ベースの枠組みで、局所的な相対エッジスケールを三角形幾何から推定。 - 重複する三角形のスケールを対数領域で同期し、大域的に一貫したエッジ長とカメラ位置を復元。 - 高次整合性を利用し、敵対的・サイクル整合・構造的破損に頑健。 - 対数スケール同期によりゼロスケール解を構成的に排除し、collapse 問題を回避。 - 完全並列化可能で計算効率が高く、数百万カメラのグラフにスケール可能。

- 従来の translation averaging は方向測定に距離情報がなく不適切問題で、破損観測に敏感。 - TriP は三角形の高次整合性を利用し、敵対的・サイクル整合・構造的破損に頑健。 - 追加の anti-collapse 制約なしで collapse を回避できる点が構造的優位。 - 正確な位置復元に関する強い理論を可能にする。 - 合成・実データセットで従来手法を大差で上回る。

- 三角形幾何から局所的な相対エッジスケールを推定。 - 重複三角形のスケールを対数領域で同期し、大域的に一貫したエッジ長を復元。 - 対数スケール同期によりゼロスケール解を構成的に排除。 - 三角形の高次整合性を活用し、構造的破損に頑健。 - 完全並列化可能で計算効率が高く、大規模グラフにスケール可能。

- 合成データセットと実データセットの両方で評価。 - 従来のすべての translation averaging 手法を大差で上回る性能を確認。 - 敵対的・サイクル整合・構造的破損に対する頑健性を検証。 - 数百万カメラのグラフへのスケーラビリティを実証。

- 方向測定に距離情報がないため推定問題が不適切で破損観測に敏感という課題。 - 三角形の高次整合性を利用することで頑健性を実現。 - 対数スケール同期がゼロスケール解を構成的に排除し、collapse を回避。 - 正確な位置復元に関する強い理論を提供。 - 完全並列化可能で計算効率が高く、大規模グラフにスケール可能。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として global Structure-from-Motion パイプライン、translation averaging の既存手法（例: LUD, BATA, 1DSfM など）が挙げられる。 - 関連手法として rotation averaging や pose graph optimization も参考になる。