論文の概要: CAGE-GS: High-fidelity Cage Based 3D Gaussian Splatting Deformation

• arxiv url: http://arxiv.org/abs/2504.12800v1
• Date: Thu, 17 Apr 2025 10:00:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:35:45.961897
• Title: CAGE-GS: High-fidelity Cage Based 3D Gaussian Splatting Deformation
• Title（参考訳）: CAGE-GS:高忠実ケージを用いた3次元ガウス平滑化加工
• Authors: Yifei Tong, Runze Tian, Xiao Han, Dingyao Liu, Fenggen Yu, Yan Zhang,
• Abstract要約: CAGE-GSは、ソース3DGSシーンとユーザが定義したターゲット形状をシームレスに整列するケージベースの3DGS変形法である。 提案手法では,ターゲットから変形ケージを学習し,ソースシーンの幾何学的変換を導出する。 本手法は,テキスト,画像,点雲,メッシュ,3DGSモデルなど,さまざまな形状表現を格納し,柔軟である。
• 参考スコア（独自算出の注目度）: 7.218737495375119
• License:
• Abstract: As 3D Gaussian Splatting (3DGS) gains popularity as a 3D representation of real scenes, enabling user-friendly deformation to create novel scenes while preserving fine details from the original 3DGS has attracted significant research attention. We introduce CAGE-GS, a cage-based 3DGS deformation method that seamlessly aligns a source 3DGS scene with a user-defined target shape. Our approach learns a deformation cage from the target, which guides the geometric transformation of the source scene. While the cages effectively control structural alignment, preserving the textural appearance of 3DGS remains challenging due to the complexity of covariance parameters. To address this, we employ a Jacobian matrix-based strategy to update the covariance parameters of each Gaussian, ensuring texture fidelity post-deformation. Our method is highly flexible, accommodating various target shape representations, including texts, images, point clouds, meshes and 3DGS models. Extensive experiments and ablation studies on both public datasets and newly proposed scenes demonstrate that our method significantly outperforms existing techniques in both efficiency and deformation quality.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は現実のシーンの3D表現として人気を博し、ユーザフレンドリーな変形により、オリジナルの3DGSの細部を保存しながら、斬新なシーンを創り出すことができるようになった。 我々は,ソース3DGSシーンをユーザ定義のターゲット形状にシームレスに整列するケージベースの3DGS変形法であるCAGE-GSを紹介する。 提案手法では,ターゲットから変形ケージを学習し,ソースシーンの幾何学的変換を導出する。 ケージは構造的アライメントを効果的に制御するが、3DGSのテクスチャ的外観を維持することは、共分散パラメータの複雑さのため、依然として困難である。 これを解決するために、ヤコビ行列に基づく戦略を用いて各ガウスの共分散パラメータを更新し、テクスチャの忠実度をポストデフォーメーションで保証する。 本手法は,テキスト,画像,点雲,メッシュ,3DGSモデルなど,さまざまな形状表現を格納し,柔軟である。 公開データセットと新たに提案されたシーンの大規模な実験とアブレーション実験により,本手法が既存の技術よりも効率および変形品質に優れていることが実証された。

関連論文リスト

• 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)
• GSDeformer: Direct, Real-time and Extensible Cage-based Deformation for 3D Gaussian Splatting [8.727176816793179]
  本稿では,3次元ガウス切削におけるケージベースの変形を可能にするGSDeformer(3DGS)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て,ケージベースの変形と3DGSをブリッジする。 実験により、GSDeformerは既存の方法よりも優れた変形結果を提供し、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、リアルタイムに動作し、他の3DGS亜種にも拡張可能であることが示された。
  論文  参考訳（メタデータ） (2024-05-24T12:16:28Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
  この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。 本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。 本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
  論文  参考訳（メタデータ） (2021-12-14T13:14:24Z)

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。