論文の概要: RoGs: Large Scale Road Surface Reconstruction with Meshgrid Gaussian

• arxiv url: http://arxiv.org/abs/2405.14342v3
• Date: Thu, 21 Nov 2024 12:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:16:15.280415
• Title: RoGs: Large Scale Road Surface Reconstruction with Meshgrid Gaussian
• Title（参考訳）: RoGs: Meshgrid Gaussianによる大規模道路表面再構成
• Authors: Zhiheng Feng, Wenhua Wu, Tianchen Deng, Hesheng Wang,
• Abstract要約: 道路面の再建は自動運転において重要な役割を担っている。 本稿では,メッシュグリッドガウシアン(RoGs)を用いた大規模道路表面再構築手法を提案する。 様々な挑戦的な現実世界のシーンにおける道路面の再構築において,優れた結果を得た。
• 参考スコア（独自算出の注目度）: 10.50103969885774
• License:
• Abstract: Road surface reconstruction plays a crucial role in autonomous driving, which can be used for road lane perception and autolabeling. Recently, mesh-based road surface reconstruction algorithms have shown promising reconstruction results. However, these mesh-based methods suffer from slow speed and poor reconstruction quality. To address these limitations, we propose a novel large-scale road surface reconstruction approach with meshgrid Gaussian, named RoGs. Specifically, we model the road surface by placing Gaussian surfels in the vertices of a uniformly distributed square mesh, where each surfel stores color, semantic, and geometric information. This square mesh-based layout covers the entire road with fewer Gaussian surfels and reduces the overlap between Gaussian surfels during training. In addition, because the road surface has no thickness, 2D Gaussian surfel is more consistent with the physical reality of the road surface than 3D Gaussian sphere. Then, unlike previous initialization methods that rely on point clouds, we introduce a vehicle pose-based initialization method to initialize the height and rotation of the Gaussian surfel. Thanks to this meshgrid Gaussian modeling and pose-based initialization, our method achieves significant speedups while improving reconstruction quality. We obtain excellent results in reconstruction of road surfaces in a variety of challenging real-world scenes.
• Abstract（参考訳）: 道路路面の再構築は、道路路面の認識や自動標識に使用できる自動運転において重要な役割を担っている。 近年,メッシュをベースとした道路表面再構築アルゴリズムが有望な復元結果を示している。 しかし、これらのメッシュベースの手法は、速度が遅く、再構築の質が悪い。 これらの制約に対処するため,メッシュグリッドガウスを用いた大規模道路表面再構成手法RoGsを提案する。 具体的には,一様分布の正方形メッシュの頂点にガウス的サーベイルを配置し,各サーベイルが色,意味,幾何学的情報を格納することで,路面をモデル化する。 この四角いメッシュベースのレイアウトは、ガウスのサーベイルを少なくして道路全体を覆い、トレーニング中にガウスのサーベイル間の重なりを減少させる。 また, 路面の厚みが低いため, 2次元ガウスサーベイルは3次元ガウス球よりも路面の物理的現実と一致している。 点雲に依存する従来の初期化法とは異なり、ガウス波の高さと回転を初期化する車両のポーズに基づく初期化法を導入する。 このメッシュグリッドガウスモデルとポーズに基づく初期化により,提案手法は再構築品質を向上しつつ,大幅な高速化を実現している。 様々な挑戦的な現実世界のシーンにおける道路面の再構築において,優れた結果を得た。

関連論文リスト

• GSTAR: Gaussian Surface Tracking and Reconstruction [9.017056233547084]
  GSTARは、トポロジを変化させた一般的なダイナミックなシーンに対して、フォトリアリスティックなレンダリング、正確な表面再構成、信頼性の高い3Dトラッキングを実現する新しい手法である。 トポロジが変化する地域では、GSTARはガウシアンをメッシュから適応的にアンバインドし、正確な登録と新しい表面の生成を可能にする。 本手法は動的表面を効果的に追跡・再構成し,様々な応用を可能にする。
  論文  参考訳（メタデータ） (2025-01-17T16:26:24Z)
• SolidGS: Consolidating Gaussian Surfel Splatting for Sparse-View Surface Reconstruction [48.228533595941556]
  この問題に対処するために,SolidGSと呼ばれる新しい手法を提案する。 再構成された幾何は多視点では非常に不整合であることがわかった。 幾何学的正規化と単分子正規化の助けを借りて,スパース面の再構成における優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-12-19T21:04:43Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• High-quality Surface Reconstruction using Gaussian Surfels [18.51978059665113]
  本稿では,3次元ガウス点におけるフレキシブルな最適化手法の利点を組み合わせるために,新しい点ベース表現であるガウス波について提案する。 これは、3Dガウス点のzスケールを0に設定し、元の3D楕円体を2D楕円形に効果的に平らにする。 局所的なz軸を通常の方向として扱うことにより、最適化安定性と表面アライメントを大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-27T04:13:39Z)
• EMIE-MAP: Large-Scale Road Surface Reconstruction Based on Explicit Mesh and Implicit Encoding [21.117919848535422]
  EMIE-MAPは,暗黙的メッシュと暗黙的符号化に基づく大規模道路表面再構成手法である。 本手法は,様々な現実の難易度シナリオにおいて,顕著な路面復元性能を実現する。
  論文  参考訳（メタデータ） (2024-03-18T13:46:52Z)
• GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
  ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。 我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。 提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-03-17T20:06:41Z)
• 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)
• NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting Guidance [59.08521048003009]
  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。
  論文  参考訳（メタデータ） (2023-12-01T07:04:47Z)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)

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。