論文の概要: Hyperspectral Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2505.21890v1
• Date: Wed, 28 May 2025 02:07:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.366516
• Title: Hyperspectral Gaussian Splatting
• Title（参考訳）: ハイパースペクトルガウス散乱
• Authors: Sunil Kumar Narayanan, Lingjun Zhao, Lu Gan, Yongsheng Chen,
• Abstract要約: ハイパースペクトルシーンの暗黙的なニューラル表現を作成するために、3次元再構成法が用いられている。 NeRFは最先端の暗黙の表現であり、任意の方向から各空間位置のハイパースペクトルチャネル合成を描画することができる。 本研究では,ハイパースペクトルシーンを3次元的に再現し,スペクトル領域全体に対する新規なビュー合成を可能にするために,ハイパースペクトルガウススプラッティング(HS-GS)を提案する。
• 参考スコア（独自算出の注目度）: 9.744861764579706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral imaging (HSI) has been widely used in agricultural applications for non-destructive estimation of plant nutrient composition and precise determination of nutritional elements in samples. Recently, 3D reconstruction methods have been used to create implicit neural representations of HSI scenes, which can help localize the target object's nutrient composition spatially and spectrally. Neural Radiance Field (NeRF) is a cutting-edge implicit representation that can render hyperspectral channel compositions of each spatial location from any viewing direction. However, it faces limitations in training time and rendering speed. In this paper, we propose Hyperspectral Gaussian Splatting (HS-GS), which combines the state-of-the-art 3D Gaussian Splatting (3DGS) with a diffusion model to enable 3D explicit reconstruction of the hyperspectral scenes and novel view synthesis for the entire spectral range. To enhance the model's ability to capture fine-grained reflectance variations across the light spectrum and leverage correlations between adjacent wavelengths for denoising, we introduce a wavelength encoder to generate wavelength-specific spherical harmonics offsets. We also introduce a novel Kullback--Leibler divergence-based loss to mitigate the spectral distribution gap between the rendered image and the ground truth. A diffusion model is further applied for denoising the rendered images and generating photorealistic hyperspectral images. We present extensive evaluations on five diverse hyperspectral scenes from the Hyper-NeRF dataset to show the effectiveness of our proposed HS-GS framework. The results demonstrate that HS-GS achieves new state-of-the-art performance among all previously published methods. Code will be released upon publication.
• Abstract（参考訳）: ハイパースペクトルイメージング(HSI)は、植物栄養成分の非破壊的推定や試料中の栄養成分の正確な測定に農業用途で広く用いられている。 近年,HSIシーンを暗黙的に表現するために3次元再構成法が用いられている。 ニューラル・ラジアンス・フィールド(Neural Radiance Field、NeRF)は、近縁の暗黙の表現であり、任意の方向から各空間位置のハイパースペクトルチャネル合成を描画することができる。 しかし、トレーニング時間とレンダリング速度の制限に直面している。 本稿では,3次元ガウス散乱(3DGS)と拡散モデルを組み合わせたハイパースペクトルガウス散乱(HS-GS)を提案する。 光スペクトルの微細な反射率変化を捉え, 隣接波長間の相関を利用してデノナイジングを行うために, 波長固有球面高調波オフセットを生成する波長エンコーダを導入する。 また、描画された画像と地上の真実との間のスペクトル分布のギャップを軽減するために、Kulback-Leibler分散に基づく新しい損失を導入する。 さらに拡散モデルを適用して、描画された画像をノイズ化し、フォトリアリスティックなハイパースペクトル画像を生成する。 提案するHS-GSフレームワークの有効性を示すために,Hyper-NeRFデータセットからの5つの多彩なハイパースペクトルシーンについて広範な評価を行った。 以上の結果から, HS-GSはこれまでに公表されたすべての手法の中で, 新たな最先端性能を実現することが示された。 コードは出版時に公開される。

関連論文リスト

• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• PSRGS:Progressive Spectral Residual of 3D Gaussian for High-Frequency Recovery [3.310033172069517]
  3Dガウススプラッティング(3D GS)は、小さな単一対象のシーンに対する新しいビュー合成において、印象的な結果をもたらす。 しかし、大規模なリモートセンシングシーンに適用すると、3D GSは課題に直面します。 スペクトル残差マップに基づくプログレッシブ最適化手法であるPSRGSを提案する。
  論文  参考訳（メタデータ） (2025-03-02T10:52:46Z)
• 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)
• Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft [2.5057561650768814]
  FINCHミッションは、農地の作物の残留物を監視することを目的としている。 ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャする。 ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズが生じる傾向がある。
  論文  参考訳（メタデータ） (2024-06-15T19:34:18Z)
• WE-GS: An In-the-wild Efficient 3D Gaussian Representation for Unconstrained Photo Collections [8.261637198675151]
  制約のない写真コレクションからの新規ビュー合成(NVS)は、コンピュータグラフィックスでは困難である。 写真コレクションからのシーン再構築のための効率的なポイントベース微分可能レンダリングフレームワークを提案する。 提案手法は、新しいビューのレンダリング品質と、高収束・レンダリング速度の外観合成において、既存のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2024-06-04T15:17:37Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Hyperspectral Image Denoising with Partially Orthogonal Matrix Vector Tensor Factorization [42.56231647066719]
  ハイパースペクトル画像(HSI)は、スペクトルの余分な情報により、様々な用途の自然画像に対していくつかの利点がある。 買収の間、しばしばガウシアンノイズ、インパルスノイズ、期限、ストライプなどの厳しい騒音によって汚染される。 本研究では,スムーズかつロバストな低ランクテンソルリカバリというHSI復元手法を提案する。
  論文  参考訳（メタデータ） (2020-06-29T02:10:07Z)

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。