論文の概要: CoMapGS: Covisibility Map-based Gaussian Splatting for Sparse Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2503.20998v1
• Date: Tue, 25 Mar 2025 12:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-28 12:51:29.964336
• Title: CoMapGS: Covisibility Map-based Gaussian Splatting for Sparse Novel View Synthesis
• Title（参考訳）: CoMapGS: 疎新な視点合成のための可視マップに基づくガウススプラッティング
• Authors: Youngkyoon Jang, Eduardo Pérez-Pellitero,
• Abstract要約: CoMapGSは、地域固有の不確実性に対処するために、可視性マップをコアコンポーネントとして活用することで、新しいビュー合成を再構築する。 CoMapGS は Mip-NeRF 360 や LLFF などのデータセット上で最先端の手法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 5.510379704784998
• License:
• Abstract: We propose Covisibility Map-based Gaussian Splatting (CoMapGS), designed to recover underrepresented sparse regions in sparse novel view synthesis. CoMapGS addresses both high- and low-uncertainty regions by constructing covisibility maps, enhancing initial point clouds, and applying uncertainty-aware weighted supervision using a proximity classifier. Our contributions are threefold: (1) CoMapGS reframes novel view synthesis by leveraging covisibility maps as a core component to address region-specific uncertainty; (2) Enhanced initial point clouds for both low- and high-uncertainty regions compensate for sparse COLMAP-derived point clouds, improving reconstruction quality and benefiting few-shot 3DGS methods; (3) Adaptive supervision with covisibility-score-based weighting and proximity classification achieves consistent performance gains across scenes with varying sparsity scores derived from covisibility maps. Experimental results demonstrate that CoMapGS outperforms state-of-the-art methods on datasets including Mip-NeRF 360 and LLFF.
• Abstract（参考訳）: スパースなビュー合成において,疎い領域を再現するコビシビリティマップに基づくガウススプラッティング(CoMapGS)を提案する。 CoMapGSは、可視性マップの構築、初期点雲の強化、近接分類器を用いた不確実性認識重み付き監視の適用により、高不確実性領域と低不確実性領域の両方に対処する。 CoMapGS reframes novel view synthesis by leverageing covisibility map as a core component to address region-specific uncertainty; (2) 疎COLMAP由来の点雲を補う低・高不確かさ領域の初期点雲の強化、再構築品質の改善、少数ショット3DGS手法の恩恵、(3) 可視性スコアに基づく重み付けと近接分類による適応的監視は、可視性マップから得られる様々な幅スコアを持つシーン間で一貫した性能向上を実現する。 実験の結果、CoMapGSはMip-NeRF 360やLLFFなどのデータセット上で最先端の手法より優れていることが示された。

関連論文リスト

• Cross-Modal Visual Relocalization in Prior LiDAR Maps Utilizing Intensity Textures [17.180614289913994]
  近年、クロスモーダルな地域化が注目されている。 そこで我々は,強度テクスチャを利用した先行LiDARマップにおけるモーダルな視覚的再局在システムを提案する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:14Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• SpaGBOL: Spatial-Graph-Based Orientated Localisation [15.324623975476348]
  都市域内のクロスビューなジオローカライゼーションは、現在のデータセットや技術に空間的構造が欠如していることから、部分的には困難である。 本稿では,局所的な観測のシーケンスをモデル化するためのグラフ表現の利用と,対象位置の接続性を提案する。
  論文  参考訳（メタデータ） (2024-09-23T20:04:29Z)
• 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)
• MGS-SLAM: Monocular Sparse Tracking and Gaussian Mapping with Depth Smooth Regularization [29.713650915551632]
  本稿では,ガウススプラッティングに基づく濃密な視覚的局所化とマッピングのための新しいフレームワークを紹介する。 疎視度追跡と3次元ガウススプラッティングのシーン表現を初めて共同で最適化する。 ポーズ推定の精度は既存の手法や最先端の手法を超越している。
  論文  参考訳（メタデータ） (2024-05-10T04:42:21Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)
• Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
  本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。 具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。 この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-04-06T15:07:16Z)

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。