論文の概要: ErpGS: Equirectangular Image Rendering enhanced with 3D Gaussian Regularization
- arxiv url: http://arxiv.org/abs/2505.19883v1
- Date: Mon, 26 May 2025 12:09:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-27 16:58:43.406035
- Title: ErpGS: Equirectangular Image Rendering enhanced with 3D Gaussian Regularization
- Title（参考訳）: ErpGS: 3次元ガウス正規化で強化された等角形状画像レンダリング
- Authors: Shintaro Ito, Natsuki Takama, Koichi Ito, Hwann-Tzong Chen, Takafumi Aoki,
- Abstract要約: 360度カメラで取得したマルチビュー画像は、広い面積の3D空間を再構築することができる。
NeRFと3DGSに基づく等角形状画像からの3次元再構成法と、ノベルビュー合成(NVS)法がある。
本稿では3DGSに基づくOmnidirectional GSであるErpGSを提案する。
- 参考スコア（独自算出の注目度）: 9.784526657786342
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The use of multi-view images acquired by a 360-degree camera can reconstruct a 3D space with a wide area. There are 3D reconstruction methods from equirectangular images based on NeRF and 3DGS, as well as Novel View Synthesis (NVS) methods. On the other hand, it is necessary to overcome the large distortion caused by the projection model of a 360-degree camera when equirectangular images are used. In 3DGS-based methods, the large distortion of the 360-degree camera model generates extremely large 3D Gaussians, resulting in poor rendering accuracy. We propose ErpGS, which is Omnidirectional GS based on 3DGS to realize NVS addressing the problems. ErpGS introduce some rendering accuracy improvement techniques: geometric regularization, scale regularization, and distortion-aware weights and a mask to suppress the effects of obstacles in equirectangular images. Through experiments on public datasets, we demonstrate that ErpGS can render novel view images more accurately than conventional methods.
- Abstract（参考訳）: 360度カメラで取得したマルチビュー画像を使用することで、広い面積の3D空間を再構築することができる。
NeRFと3DGSに基づく等角形状画像からの3次元再構成法と、ノベルビュー合成(NVS)法がある。
一方、正方形画像を使用する場合には、360度カメラの投影モデルによる大きな歪みを克服する必要がある。
3DGSベースの手法では、360度カメラモデルの歪みが大きいと、非常に大きな3Dガウスが生成され、レンダリング精度が低下する。
本稿では3DGSに基づくOmnidirectional GSであるErpGSを提案する。
ErpGSは、幾何正則化、スケール正則化、歪みを意識した重み付けなどのレンダリング精度の向上技術を導入し、等方形画像における障害物の影響を抑制するマスクを導入した。
公開データセットの実験を通じて、ErpGSが従来の方法よりも正確に新しいビュー画像を描画できることを実証した。
関連論文リスト
- Sparse2DGS: Sparse-View Surface Reconstruction using 2D Gaussian Splatting with Dense Point Cloud [9.784526657786342]
本稿では,Sparse2DGSと呼ばれる新しい3次元再構成手法を提案する。
Sparse2DGSはステレオ画像の基本モデルであるDUSt3RとCOLMAP MVSを採用し、高精度で密度の高い3D点雲を生成する。
Sparse2DGSは3つの画像を用いて物体の3次元形状を正確に再構成できることを示す。
論文 参考訳（メタデータ） (2025-05-26T11:38:26Z) - NovelGS: Consistent Novel-view Denoising via Large Gaussian Reconstruction Model [57.92709692193132]
NovelGSは、スパースビュー画像が与えられたガウススプラッティングの拡散モデルである。
我々は3Dガウスを生成するためにトランスフォーマーネットワークを経由する新しい視点を利用する。
論文 参考訳（メタデータ） (2024-11-25T07:57:17Z) - UniGS: Modeling Unitary 3D Gaussians for Novel View Synthesis from Sparse-view Images [20.089890859122168]
我々は,新しい3次元ガウス再構成と新しいビュー合成モデルであるUniGSを紹介する。
UniGSは、任意の数のスパースビュー画像から3Dガウスの高忠実度表現を予測する。
論文 参考訳（メタデータ） (2024-10-17T03:48:02Z) - LM-Gaussian: Boost Sparse-view 3D Gaussian Splatting with Large Model Priors [34.91966359570867]
スパースビューの再構築は本質的に不適切であり、制約を受けていない。
本稿では,限られた画像から高品質な再構成を生成できるLM-Gaussianを紹介する。
提案手法は,従来の3DGS法と比較してデータ取得要求を大幅に削減する。
論文 参考訳（メタデータ） (2024-09-05T12:09:02Z) - 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) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z) - GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳（メタデータ） (2024-03-15T12:24:36Z)
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。