論文の概要: NerfBaselines: Consistent and Reproducible Evaluation of Novel View Synthesis Methods

• arxiv url: http://arxiv.org/abs/2406.17345v2
• Date: Wed, 29 Oct 2025 19:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.190356
• Title: NerfBaselines: Consistent and Reproducible Evaluation of Novel View Synthesis Methods
• Title（参考訳）: NerfBaselines:新しいビュー合成手法の一貫性と再現性の評価
• Authors: Jonas Kulhanek, Torsten Sattler,
• Abstract要約: 新しいビュー合成は、AR/VR、ゲーム、ロボットシミュレーションを含む多くのアプリケーションにおいて重要な問題である。 異なる評価プロトコルを用いた手法や、インストールや使用が難しいベンチマーク、新しい3Dシーンの一般化が難しい手法などにより、最先端の追跡が困難になっている。 本実験では, 各種手法の評価プロトコルの微妙な違いであっても, これらの手法の性能を人工的に向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 27.110978556614246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel view synthesis is an important problem with many applications, including AR/VR, gaming, and robotic simulations. With the recent rapid development of Neural Radiance Fields (NeRFs) and 3D Gaussian Splatting (3DGS) methods, it is becoming difficult to keep track of the current state of the art (SoTA) due to methods using different evaluation protocols, codebases being difficult to install and use, and methods not generalizing well to novel 3D scenes. In our experiments, we show that even tiny differences in the evaluation protocols of various methods can artificially boost the performance of these methods. This raises questions about the validity of quantitative comparisons performed in the literature. To address these questions, we propose NerfBaselines, an evaluation framework which provides consistent benchmarking tools, ensures reproducibility, and simplifies the installation and use of various methods. We validate our implementation experimentally by reproducing the numbers reported in the original papers. For improved accessibility, we release a web platform that compares commonly used methods on standard benchmarks. We strongly believe NerfBaselines is a valuable contribution to the community as it ensures that quantitative results are comparable and thus truly measure progress in the field of novel view synthesis.
• Abstract（参考訳）: 新しいビュー合成は、AR/VR、ゲーム、ロボットシミュレーションを含む多くのアプリケーションにおいて重要な問題である。 近年のNeural Radiance Fields(NeRFs)と3D Gaussian Splatting(3DGS)メソッドの急速な発展に伴い,異なる評価プロトコルを用いた手法,コードベースのインストールと使用が困難であること,新しい3Dシーンに適さない手法などにより,現在のSoTA(State-of-the-art)の追跡が困難になっている。 本実験では, 各種手法の評価プロトコルの微妙な違いであっても, これらの手法の性能を人工的に向上させることができることを示す。 これにより、文献における量的比較の妥当性に関する疑問が提起される。 これらの問題に対処するために,一貫したベンチマークツールを提供し,再現性を確保し,様々なメソッドのインストールと使用を簡略化する評価フレームワークであるNerfBaselinesを提案する。 本研究は,本論文で報告された数値を再現することにより,本実装を実験的に検証する。 アクセシビリティを向上させるため、標準ベンチマークでよく使われるメソッドと比較するWebプラットフォームをリリースする。 NerfBaselinesは、定量的な結果が同等であり、新しいビュー合成の分野での進歩を真に測定することを保証するため、コミュニティにとって貴重な貢献である、と強く信じています。

関連論文リスト

• A Sober Look at Progress in Language Model Reasoning: Pitfalls and Paths to Reproducibility [29.437125712259046]
  Reasoningは、言語モデル(LM)の次の主要フロンティアとして登場した。 我々は総合的な実証的研究を行い、現在の数学的推論ベンチマークは微妙な実装選択に対して非常に敏感であることがわかった。 本稿では,ベストプラクティスと報告基準を明確に定義した標準化された評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-09T17:58:17Z)
• OpenTAD: A Unified Framework and Comprehensive Study of Temporal Action Detection [86.30994231610651]
  時間的行動検出(TAD)は、人間の行動を特定し、その時間的境界を動画内でローカライズすることを目的とした、基本的なビデオ理解タスクである。 我々は16種類のTADメソッドと9つの標準データセットをモジュール化したTADフレームワークであるtextbfOpenTADを提案する。 1つのモジュールを別の設計で置き換える、フィーチャベースのTADモデルをエンドツーエンドモードでトレーニングする、あるいは2つのモジュールを切り替える、という最小限の労力が必要になります。
  論文  参考訳（メタデータ） (2025-02-27T18:32:27Z)
• Multimodal Instruction Disassembly with Covariate Shift Adaptation and Real-time Implementation [3.70729078195191]
  我々は、ターゲットデバイスから電力とEMを同時に収集できる新しい小型プラットフォーム、RASCv3を導入する。 我々は情報理論を用いてパワーとEMトレースから特徴を組み合わせ、選択するための新しいアプローチを考案した。 オフラインおよびリアルタイムの命令分解器の認識率は、単一および複数モードの場合と比較する。
  論文  参考訳（メタデータ） (2024-12-10T17:00:23Z)
• AIM 2024 Sparse Neural Rendering Challenge: Dataset and Benchmark [43.76981659253837]
  異なるレンダリングは、シーンの密集した視点のカバレッジに依存します。 ほんのわずかのインプットビューが利用できる場合、多くの課題が発生する。 スパースレンダリング文学における繰り返し発生する問題は、均一で最新のデータセットと評価プロトコルがないことである。 DTU MVSデータセットのセットアップに従う新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2024-09-23T14:10:06Z)
• TranSplat: Generalizable 3D Gaussian Splatting from Sparse Multi-View Images with Transformers [14.708092244093665]
  我々は,正確な局所特徴マッチングを導くために,予測深度信頼マップを利用する戦略を開発する。 本稿では,RealEstate10KベンチマークとACIDベンチマークの両方で最高の性能を示すTranSplatという新しいG-3DGS手法を提案する。
  論文  参考訳（メタデータ） (2024-08-25T08:37:57Z)
• DOCE: Finding the Sweet Spot for Execution-Based Code Generation [69.5305729627198]
  本稿では,候補生成,$n$-best再ランク,最小ベイズリスク(MBR)復号化,自己老化などを含む包括的フレームワークを提案する。 本研究は,実行ベースメソッドの重要性と,実行ベースメソッドと実行フリーメソッドとの差を明らかにする。
  論文  参考訳（メタデータ） (2024-08-25T07:10:36Z)
• Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
  不確実性定量化は機械学習アプリケーションにおいて重要な要素である。 最新のUQベースラインの集合を実装した新しいベンチマークを導入する。 我々は、11タスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も効果的なアプローチを特定した。
  論文  参考訳（メタデータ） (2024-06-21T20:06:31Z)
• Towards Evaluating Transfer-based Attacks Systematically, Practically, and Fairly [79.07074710460012]
  ディープニューラルネットワーク(DNN)の敵対的脆弱性に大きな注目を集めている。 ブラックボックスDNNモデルを騙すための転送ベース手法が増えている。 30以上のメソッドを実装した転送ベースアタックベンチマーク(TA-Bench)を確立する。
  論文  参考訳（メタデータ） (2023-11-02T15:35:58Z)
• Benchopt: Reproducible, efficient and collaborative optimization benchmarks [67.29240500171532]
  Benchoptは、機械学習で最適化ベンチマークを自動化、再生、公開するためのフレームワークである。 Benchoptは実験を実行、共有、拡張するための既製のツールを提供することで、コミュニティのベンチマークを簡単にする。
  論文  参考訳（メタデータ） (2022-06-27T16:19:24Z)
• SimpleTrack: Understanding and Rethinking 3D Multi-object Tracking [17.351635242415703]
  3Dマルチオブジェクトトラッキング(MOT)は、近年、多くの新しいベンチマークやアプローチを目撃している。 その進歩と有用性にもかかわらず、その強さと弱点の詳細な分析はまだ得られていない。 現在の3D MOTメソッドを4つの構成部品に分解することで、統一されたフレームワークにまとめる。
  論文  参考訳（メタデータ） (2021-11-18T10:57:57Z)
• Uncertainty Baselines: Benchmarks for Uncertainty & Robustness in Deep Learning [66.59455427102152]
  不確実性ベースライン(Uncertainty Baselines): 各種タスクにおける標準および最先端のディープラーニング手法の高品質な実装。 各ベースラインは、簡単に再利用可能で拡張可能なコンポーネントを備えた、自己完結型の実験パイプラインである。 モデルチェックポイント、Pythonノートブックとしての実験出力、結果を比較するためのリーダーボードを提供する。
  論文  参考訳（メタデータ） (2021-06-07T23:57:32Z)
• Revisiting Deep Local Descriptor for Improved Few-Shot Classification [56.74552164206737]
  textbfDense textbfClassification と textbfAttentive textbfPooling を利用して埋め込みの質を向上させる方法を示す。 広範に使われているグローバル平均プール (GAP) の代わりに, 注意深いプールを施し, 特徴マップをプールすることを提案する。
  論文  参考訳（メタデータ） (2021-03-30T00:48:28Z)
• Mimicry: Towards the Reproducibility of GAN Research [0.0]
  我々は、人気の高い最先端のGANと評価指標の実装を提供する軽量PyTorchライブラリであるMimicryを紹介する。 我々は、これらのGANを同じ条件下でトレーニングし、同じ手順を用いて3つの一般的なGANメトリクスにわたって評価することにより、異なるGANの総合的なベースライン性能を7つの広く使用されているデータセット上で提供する。
  論文  参考訳（メタデータ） (2020-05-05T21:07:26Z)
• Frustratingly Simple Few-Shot Object Detection [98.42824677627581]
  希少なクラスにおける既存検出器の最後の層のみを微調整することは、数発の物体検出タスクに不可欠である。 このような単純なアプローチは、現在のベンチマークで約220ポイントのメタ学習方法より優れている。
  論文  参考訳（メタデータ） (2020-03-16T00:29:14Z)

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。