暗黙的意味論と系列一貫性ループ閉じ込めによるVGGTベースSLAMのスケールアンカリング

- VGGT を基盤とした単眼 SLAM の拡張手法。 - feed-forward geometric foundation model により camera calibration 不要の dense monocular reconstruction を実現。 - 独立に再構成された submap 間の scale drift と、revisit 時の cross-submap measurement の不整合を扱う。 - VGGT-SLAM 2.0 に対する拡張。 - fixed-root scale anchoring を追加。 - short-sequence-assisted direct loop connections を導入。

- ベースラインは VGGT-SLAM 2.0。 - 従来は submap 独立再構成で scale drift が蓄積し、有効な revisit でも cross-submap measurement が不整合になり得た。 - 提案は scale-only anchor と direct loop connection を組み合わせる。 - 17-sequence 比較で 9 つの TUM sequence の mean Sim(3) ATE を 0.1018 m から 0.0451 m へ低減。 - 7 つの no-loop module ablation すべてで anchoring が改善。 - 3 つの Clio scene の fixed-loop 比較で direct connection pipeline が tested auxiliary-submap pipeline より良好。

- scale anchoring: - SALAD が initial submap と各 eligible new submap の間で image pair を選択。 - joint VGGT inference が learned implicit semantic-geometric cues を用いて scale-only anchor を供給。 - 元の overlap chain は保持。 - loop closure: - neighboring image pairs で consistency check と translation-scale alignment を実施。 - 受理された候補は既存 center-frame nodes 間に robust な Sim(3) factor を 1 つ追加。 - auxiliary loop submap を必要としない。

- 17-sequence 比較を実施。 - 9 つの TUM sequence で mean Sim(3) ATE を VGGT-SLAM 2.0 baseline の 0.1018 m から 0.0451 m へ改善。 - ablation: - 7 つの no-loop module ablation すべてで anchoring が改善。 - Clio: - 3 scene の fixed-loop 比較で direct connection pipeline が tested auxiliary-submap pipeline より優位。 - candidate audit: - short-sequence check により視覚的に重複する pair の追加棄却が観測された。

- 比較により、long-range scale anchoring と loop connection 選択による利得を candidate verification の限界から区別。 - anchoring の寄与は no-loop ablation で確認。 - loop connection の寄与は Clio の fixed-loop 比較で確認。 - candidate audit は short-sequence check が視覚的重複 pair を追加で棄却することを示す。 - 検証の限界や誤棄却の可能性に関する詳細は要旨からは不明。

- VGGT-SLAM 2.0（直接のベースライン）。 - VGGT（feed-forward geometric foundation model）。 - SALAD（image pair 選択手法）。 - Sim(3) ATE を用いる SLAM 評価（TUM sequence、Clio scene）。 - auxiliary-submap pipeline（比較対象）。