論文の概要: NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting
Guidance
- arxiv url: http://arxiv.org/abs/2312.00846v1
- Date: Fri, 1 Dec 2023 07:04:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 20:24:15.307839
- Title: NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting
Guidance
- Title(参考訳): NeuSG : 3次元ガウス投射誘導による神経インシシデント表面再構成
- Authors: Hanlin Chen, Chen Li, Gim Hee Lee
- Abstract要約: 本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。
3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。
我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
- 参考スコア(独自算出の注目度): 59.08521048003009
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing neural implicit surface reconstruction methods have achieved
impressive performance in multi-view 3D reconstruction by leveraging explicit
geometry priors such as depth maps or point clouds as regularization. However,
the reconstruction results still lack fine details because of the over-smoothed
depth map or sparse point cloud. In this work, we propose a neural implicit
surface reconstruction pipeline with guidance from 3D Gaussian Splatting to
recover highly detailed surfaces. The advantage of 3D Gaussian Splatting is
that it can generate dense point clouds with detailed structure. Nonetheless, a
naive adoption of 3D Gaussian Splatting can fail since the generated points are
the centers of 3D Gaussians that do not necessarily lie on the surface. We thus
introduce a scale regularizer to pull the centers close to the surface by
enforcing the 3D Gaussians to be extremely thin. Moreover, we propose to refine
the point cloud from 3D Gaussians Splatting with the normal priors from the
surface predicted by neural implicit models instead of using a fixed set of
points as guidance. Consequently, the quality of surface reconstruction
improves from the guidance of the more accurate 3D Gaussian splatting. By
jointly optimizing the 3D Gaussian Splatting and the neural implicit model, our
approach benefits from both representations and generates complete surfaces
with intricate details. Experiments on Tanks and Temples verify the
effectiveness of our proposed method.
- Abstract(参考訳): 既存のニューラル暗黙表面再構成法は、奥行きマップや点雲などの明示的な幾何学的先行を正規化として活用することにより、多視点3次元再構成において顕著な性能を達成した。
しかし, 過度に滑らかな深度マップや粗い点雲のため, 復元結果は細部を欠いている。
本研究では,高精細な表面を復元するための3次元ガウススプラッティングによるニューラルネットワークによる暗黙的表面再構成パイプラインを提案する。
3次元ガウス型スプラッティングの利点は、詳細な構造を持つ濃密な点雲を生成できることである。
それでも、生成した点が必ずしも表面上にあるとは限らない3Dガウス中心であることから、3Dガウススプレイティングの素直な採用は失敗する。
そこで我々は, 3次元ガウス系を極薄にすることで, 表面近傍に中心を引くスケール調整器を導入する。
さらに,固定された点集合を指導として使うのではなく,神経暗黙モデルによって予測される表面からの正規前駆体を用いて,3次元ガウス型スプレーティングから点雲を洗練することを提案する。
これにより、より正確な3次元ガウススプラッティングの誘導により、表面再構成の品質が向上する。
3次元ガウススプラッティングとニューラル暗黙モデルとを共同で最適化することにより、我々のアプローチは両表現の恩恵を受け、複雑な詳細を持つ完全な表面を生成する。
戦車・寺院実験により提案手法の有効性が検証された。
関連論文リスト
- Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian
Splatting [57.80942520483354]
3D-GSはしばしば、特異成分と異方性成分を正確にモデル化するのに困難に直面する。
球面調和の代わりに異方性球面ガウス場を利用するアプローチであるSpec-Gaussianを導入する。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
論文 参考訳(メタデータ) (2024-02-24T17:22:15Z) - GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。
本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。
提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
論文 参考訳(メタデータ) (2024-02-22T16:00:20Z) - Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。
我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。
提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
論文 参考訳(メタデータ) (2024-02-07T12:36:54Z) - GaussianShader: 3D Gaussian Splatting with Shading Functions for
Reflective Surfaces [45.15827491185572]
反射面を持つシーンにおけるニューラルレンダリングを強化するために, 簡易シェーディング機能を3次元ガウスに応用する新しい手法を提案する。
実験の結果、ガウシアンシェーダーは効率と視覚的品質のバランスを保っていることがわかった。
論文 参考訳(メタデータ) (2023-11-29T17:22:26Z) - HumanGaussian: Text-Driven 3D Human Generation with Gaussian Splatting [113.37908093915837]
既存の方法は、スコア蒸留サンプリング(SDS)を通じてメッシュやニューラルフィールドのような3D表現を最適化する。
本稿では,高精細な形状とリアルな外観を持つ高品質な3D人間を創出する,効率的かつ効果的な枠組みであるHumanGaussianを提案する。
論文 参考訳(メタデータ) (2023-11-28T18:59:58Z) - SuGaR: Surface-Aligned Gaussian Splatting for Efficient 3D Mesh
Reconstruction and High-Quality Mesh Rendering [24.91019554830571]
本稿では,3次元ガウス格子から高精度かつ極めて高速なメッシュ抽出を可能にする手法を提案する。
しかし、これらのガウス人は最適化後に非組織化される傾向があるため、何百万もの小さな3Dガウスからメッシュを抽出することは困難である。
論文 参考訳(メタデータ) (2023-11-21T18:38:03Z) - Text-to-3D using Gaussian Splatting [18.65458191015596]
高品質な3Dオブジェクトを生成するための新しいアプローチを提案する。
我々は最近の最先端の表現である3D Gaussian Splattingを活用している。
本手法は細かな細部とより正確な形状で3Dコンテンツを生成できる。
論文 参考訳(メタデータ) (2023-09-28T16:44:31Z) - HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit
Surfaces [6.382138631957651]
我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。
HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。
我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
論文 参考訳(メタデータ) (2023-02-14T02:25:16Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。