論文の概要: SplatCo: Structure-View Collaborative Gaussian Splatting for Detail-Preserving Rendering of Large-Scale Unbounded Scenes

• arxiv url: http://arxiv.org/abs/2505.17951v1
• Date: Fri, 23 May 2025 14:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.148296
• Title: SplatCo: Structure-View Collaborative Gaussian Splatting for Detail-Preserving Rendering of Large-Scale Unbounded Scenes
• Title（参考訳）: SplatCo:大規模アンバウンドシーンの詳細な保存レンダリングのための構造ビュー協調型ガウススプレイティング
• Authors: Haihong Xiao, Jianan Zou, Yuxin Zhou, Ying He, Wenxiong Kang,
• Abstract要約: 複雑な屋外環境の高忠実性レンダリングのための構造ビュー協調型ガウススプレイティングフレームワークであるSplatCoを提案する。 SplatCoは1-2dBのPSNR改善と0.1～0.2のSSIM向上により、最先端の手法よりも常に高い再現品質を達成する。
• 参考スコア（独自算出の注目度）: 12.017295711484625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present SplatCo, a structure-view collaborative Gaussian splatting framework for high-fidelity rendering of complex outdoor environments. SplatCo builds upon two novel components: (1) a cross-structure collaboration module that combines global tri-plane representations, which capture coarse scene layouts, with local context grid features that represent fine surface details. This fusion is achieved through a novel hierarchical compensation strategy, ensuring both global consistency and local detail preservation; and (2) a cross-view assisted training strategy that enhances multi-view consistency by synchronizing gradient updates across viewpoints, applying visibility-aware densification, and pruning overfitted or inaccurate Gaussians based on structural consistency. Through joint optimization of structural representation and multi-view coherence, SplatCo effectively reconstructs fine-grained geometric structures and complex textures in large-scale scenes. Comprehensive evaluations on 13 diverse large-scale scenes, including Mill19, MatrixCity, Tanks & Temples, WHU, and custom aerial captures, demonstrate that SplatCo consistently achieves higher reconstruction quality than state-of-the-art methods, with PSNR improvements of 1-2 dB and SSIM gains of 0.1 to 0.2. These results establish a new benchmark for high-fidelity rendering of large-scale unbounded scenes. Code and additional information are available at https://github.com/SCUT-BIP-Lab/SplatCo.
• Abstract（参考訳）: 複雑な屋外環境の高忠実性レンダリングのための構造ビュー協調型ガウススプレイティングフレームワークであるSplatCoを提案する。 SplatCoは,(1)大域的な三面面表現を組み合わせ,粗いシーンレイアウトをキャプチャするクロス構造協調モジュールと,きめ細かい表面の詳細を表すローカルコンテキストグリッド機能という,2つの新しいコンポーネントを基盤としている。 この融合は, 新たな階層的補償戦略によって実現され, グローバルな一貫性と局所的な細部保存の両立を保証し, 2) 視点間の勾配更新を同期させ, 可視性を考慮した密度化を適用し, 構造的整合性に基づいて過度に適合あるいは不正確なガウス人を刈り取ることによって, 多視点整合性を高めるクロスビュー支援訓練戦略である。 構造表現と多視点コヒーレンスの共同最適化により、SplatCoは大規模シーンにおける微細な幾何学的構造と複雑なテクスチャを効果的に再構築する。 Mill19,MatrixCity, Tanks & Temples, WHU, カスタム空中撮影など13の大規模シーンの総合的な評価により, SplatCoは最先端の手法よりも常に高い再現品質を実現し,PSNRは1-2dB、SSIMは0.1から0.2に改善した。 これらの結果から,大規模非有界シーンの高忠実性レンダリングのための新しいベンチマークが確立された。 コードと追加情報はhttps://github.com/SCUT-BIP-Lab/SplatCo.comで公開されている。

関連論文リスト

• Monocular Online Reconstruction with Enhanced Detail Preservation [17.957667390561276]
  モノクロ画像ストリームからの光写実的細部再構成のためのオンライン3Dガウス型高密度マッピングフレームワークを提案する。 提案手法は, 深度マップに依存しないガウス分布と, 局所的, グローバル的整合性の確保という, モノラルなオンライン再構築における2つの課題に対処する。 最先端のRGB-D法やRGB-D法と比較して,本フレームワークは高い計算効率で再現性の向上を実現している。
  論文  参考訳（メタデータ） (2025-05-11T01:49:09Z)
• CrossView-GS: Cross-view Gaussian Splatting For Large-scale Scene Reconstruction [5.528874948395173]
  マルチブランチ構築と融合に基づく大規模シーン再構築のための新しいクロスビューガウス分割法を提案する。 本手法は,最先端の手法と比較して,新規なビュー合成における優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-01-03T08:24:59Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• Implicit Gaussian Splatting with Efficient Multi-Level Tri-Plane Representation [45.582869951581785]
  Implicit Gaussian Splatting (IGS)は、明示的なポイントクラウドと暗黙的な機能埋め込みを統合する革新的なハイブリッドモデルである。 本稿では,空間正規化を具体化したレベルベースプログレッシブトレーニング手法を提案する。 我々のアルゴリズムは、数MBしか使用せず、ストレージ効率とレンダリング忠実さを効果的にバランスして、高品質なレンダリングを実現することができる。
  論文  参考訳（メタデータ） (2024-08-19T14:34:17Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• C2F2NeUS: Cascade Cost Frustum Fusion for High Fidelity and Generalizable Neural Surface Reconstruction [12.621233209149953]
  本稿では,多視点ステレオとニューラルサイン付き距離関数表現を組み合わせた新しい統合手法を提案する。 本手法は,ロバストな表面を再構成し,既存の最先端の手法より優れる。
  論文  参考訳（メタデータ） (2023-06-16T17:56:16Z)

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。