論文の概要: View-Dependent Uncertainty Estimation of 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2504.07370v1
- Date: Thu, 10 Apr 2025 01:22:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-11 12:20:58.658188
- Title: View-Dependent Uncertainty Estimation of 3D Gaussian Splatting
- Title（参考訳）: 3次元ガウス散乱のビュー依存不確かさ推定
- Authors: Chenyu Han, Corentin Dumery,
- Abstract要約: 3次元ガウススティング(3DGS)は3次元シーン再構成において高い視覚的精度で人気を博している。
本稿では,3DGSにおける不確実性を,球面調和でモデル化できるビュー依存のガウス特徴としてモデル化することを提案する。
このシンプルで効果的なモデリングは容易に解釈でき、従来の3DGSパイプラインに統合できる。
- 参考スコア（独自算出の注目度）: 0.6138671548064356
- License:
- Abstract: 3D Gaussian Splatting (3DGS) has become increasingly popular in 3D scene reconstruction for its high visual accuracy. However, uncertainty estimation of 3DGS scenes remains underexplored and is crucial to downstream tasks such as asset extraction and scene completion. Since the appearance of 3D gaussians is view-dependent, the color of a gaussian can thus be certain from an angle and uncertain from another. We thus propose to model uncertainty in 3DGS as an additional view-dependent per-gaussian feature that can be modeled with spherical harmonics. This simple yet effective modeling is easily interpretable and can be integrated into the traditional 3DGS pipeline. It is also significantly faster than ensemble methods while maintaining high accuracy, as demonstrated in our experiments.
- Abstract（参考訳）: 3次元ガウススティング(3DGS)は3次元シーン再構成において高い視覚的精度で人気を博している。
しかし,3DGSシーンの不確実性評価は未解明のままであり,資産抽出やシーン完了といった下流作業に不可欠である。
3Dガウスの外観は視界に依存しているため、ガウスの色は角度から、また別の角度から不確かである。
そこで本研究では,3DGSにおける不確実性を,球面調和でモデル化可能なビュー依存のガウス特徴としてモデル化することを提案する。
このシンプルで効果的なモデリングは容易に解釈でき、従来の3DGSパイプラインに統合できる。
また,実験で示されたように,高精度を維持しながらアンサンブル法よりもはるかに高速である。
関連論文リスト
- ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
そこで我々は, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。
我々のアプローチは、詳細を適応的に検索し、欠落した幾何学を補完することができる。
論文 参考訳（メタデータ） (2024-12-10T13:19:27Z) - Volumetrically Consistent 3D Gaussian Rasterization [18.84882580327324]
ビューア内であっても,スプレイティングとその近似は不要であることを示す。
我々は3DGSよりも高精度なアルファ値の導出にこの分析透過率フレームワークを用いる。
提案手法は3DGSよりも精度が高く,点数が少ない不透明な面を表す。
論文 参考訳（メタデータ） (2024-12-04T15:05:43Z) - Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。
3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
論文 参考訳（メタデータ） (2024-11-19T11:59:54Z) - 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) - 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) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z) - Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
Spec-Gaussian は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。
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。
この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
論文 参考訳（メタデータ） (2024-02-24T17:22:15Z) - 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。