論文の概要: GSDeformer: Direct, Real-time and Extensible Cage-based Deformation for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2405.15491v2
- Date: Wed, 11 Dec 2024 19:03:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:29:21.102030
- Title: GSDeformer: Direct, Real-time and Extensible Cage-based Deformation for 3D Gaussian Splatting
- Title(参考訳): GSDeformer:3次元ガウススプレイティングのための直接・リアルタイム・拡張可能なケージベース変形
- Authors: Jiajun Huang, Shuolin Xu, Hongchuan Yu, Jian Jun Zhang, Hammadi Nait Charif,
- Abstract要約: 3次元ガウス散乱(3DGS)におけるケージ変形を実現する方法を提案する。
提案手法は,プロキシポイントクラウド表現を用いたケージベースの変形と3DGSをブリッジする。
実験により、GSDeformerは現在の方法よりも優れた変形結果を生成し、極端な変形下で頑健であり、編集のトレーニングを必要とせず、リアルタイム(60FPS)で動作し、他の3DGSの変種にも拡張可能であることが示された。
- 参考スコア(独自算出の注目度): 6.383651750093343
- License:
- Abstract: We present GSDeformer, a method that achieves cage-based deformation on 3D Gaussian Splatting (3DGS). Our method bridges cage-based deformation and 3DGS using a proxy point cloud representation. The point cloud is created from 3DGS, and deformations on the point cloud translate to transformations on the 3D Gaussians that comprise 3DGS. To handle potential bending from deformation, we employ a splitting process to approximate it. Our method does not extend or modify the core architecture of 3DGS; thus, it can work with any existing trained vanilla 3DGS as well as its variants. We also automated cage construction from 3DGS for convenience. Experiments show that GSDeformer produces superior deformation results than current methods, is robust under extreme deformations, does not require retraining for editing, runs in real-time(60FPS), and can extend to other 3DGS variants.
- Abstract(参考訳): 本稿では,3次元ガウス切削におけるケージベース変形を実現するGSDeformerについて述べる(3DGS)。
提案手法は,プロキシポイントクラウド表現を用いたケージベースの変形と3DGSをブリッジする。
点雲は3DGSから生成され、点雲の変形は3DGSを構成する3Dガウス変換に変換される。
変形による電位屈曲に対処するために, 分割法を用いて近似する。
提案手法は3DGSのコアアーキテクチャを拡張したり変更したりしないため,既存のバニラ3DGSやその変種と併用することができる。
また, 3DGS からのケージ構築を便利に行えるように自動化した。
実験により、GSDeformerは現在の方法よりも優れた変形結果を生成し、極端な変形下で頑健であり、編集のトレーニングを必要とせず、リアルタイム(60FPS)で動作し、他の3DGSの変種にも拡張可能であることが示された。
関連論文リスト
- 3DGS-to-PC: Convert a 3D Gaussian Splatting Scene into a Dense Point Cloud or Mesh [0.552480439325792]
3DGS-to-PCは、3DGSのシーンを高密度で高精度な点雲に変換することができる。
このパッケージは非常にカスタマイズ可能で、既存の3DGSパイプラインに簡単に統合できる。
論文 参考訳(メタデータ) (2025-01-13T16:52:28Z) - CLIP-GS: Unifying Vision-Language Representation with 3D Gaussian Splatting [88.24743308058441]
3DGSを基盤とした新しいマルチモーダル表現学習フレームワークであるCLIP-GSを提案する。
我々は,3DGS,画像,テキストの三重項を生成する効率的な方法を開発し,CLIP-GSによるマルチモーダル表現の学習を容易にする。
論文 参考訳(メタデータ) (2024-12-26T09:54:25Z) - Sketch-guided Cage-based 3D Gaussian Splatting Deformation [19.39701978836869]
3D Gaussian Splatting (GS)は最も有望な3D表現の1つである。
本稿では,3次元GSモデルの形状を直感的に修正できる3次元GS変形システムを提案する。
論文 参考訳(メタデータ) (2024-11-19T02:18:19Z) - 3D Gaussian Editing with A Single Image [19.662680524312027]
本稿では,3次元ガウシアンスプラッティングをベースとしたワンイメージ駆動の3Dシーン編集手法を提案する。
提案手法は,ユーザが指定した視点から描画した画像の編集版に合わせるために,3次元ガウスを最適化することを学ぶ。
実験により, 幾何学的詳細処理, 長距離変形, 非剛性変形処理における本手法の有効性が示された。
論文 参考訳(メタデータ) (2024-08-14T13:17:42Z) - WildGaussians: 3D Gaussian Splatting in the Wild [80.5209105383932]
3DGSによる閉塞や外見の変化に対処する新しいアプローチであるWildGaussiansを紹介した。
我々はWildGaussianが3DGSとNeRFのベースラインを越えながら3DGSのリアルタイムレンダリング速度と一致していることを示す。
論文 参考訳(メタデータ) (2024-07-11T12:41:32Z) - DOGS: Distributed-Oriented Gaussian Splatting for Large-Scale 3D Reconstruction Via Gaussian Consensus [56.45194233357833]
3DGSを分散訓練するDoGaussianを提案する。
大規模シーンで評価すると,3DGSのトレーニングを6回以上高速化する。
論文 参考訳(メタデータ) (2024-05-22T19:17:58Z) - 3D Geometry-aware Deformable Gaussian Splatting for Dynamic View Synthesis [49.352765055181436]
動的ビュー合成のための3次元幾何学的変形可能なガウススメッティング法を提案する。
提案手法は,動的ビュー合成と3次元動的再構成を改良した3次元形状認識変形モデリングを実現する。
論文 参考訳(メタデータ) (2024-04-09T12:47:30Z) - Per-Gaussian Embedding-Based Deformation for Deformable 3D Gaussian Splatting [9.90835990611019]
3D Gaussian Splatting (3DGS)は、高速で高品質な新規ビュー合成を提供する。
標準的な3DGSを動的シーンを表現するために複数のフレームに変形させる自然な拡張である。
以前の作品は複雑な動的シーンを正確に再構築することができなかった。
論文 参考訳(メタデータ) (2024-04-04T17:34:41Z) - 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) - SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。
SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。
提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
論文 参考訳(メタデータ) (2024-01-31T14:19:03Z)
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。