論文の概要: RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS

• arxiv url: http://arxiv.org/abs/2506.02751v1
• Date: Tue, 03 Jun 2025 11:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.605574
• Title: RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS
• Title（参考訳）: RobustSplat: 過渡的な3DGSのためのデカップリングデンシフィケーションとダイナミクス
• Authors: Chuanyu Fu, Yuqi Zhang, Kunbin Yao, Guanying Chen, Yuan Xiong, Chuan Huang, Shuguang Cui, Xiaochun Cao,
• Abstract要約: 3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
• 参考スコア（独自算出の注目度）: 79.15416002879239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has gained significant attention for its real-time, photo-realistic rendering in novel-view synthesis and 3D modeling. However, existing methods struggle with accurately modeling scenes affected by transient objects, leading to artifacts in the rendered images. We identify that the Gaussian densification process, while enhancing scene detail capture, unintentionally contributes to these artifacts by growing additional Gaussians that model transient disturbances. To address this, we propose RobustSplat, a robust solution based on two critical designs. First, we introduce a delayed Gaussian growth strategy that prioritizes optimizing static scene structure before allowing Gaussian splitting/cloning, mitigating overfitting to transient objects in early optimization. Second, we design a scale-cascaded mask bootstrapping approach that first leverages lower-resolution feature similarity supervision for reliable initial transient mask estimation, taking advantage of its stronger semantic consistency and robustness to noise, and then progresses to high-resolution supervision to achieve more precise mask prediction. Extensive experiments on multiple challenging datasets show that our method outperforms existing methods, clearly demonstrating the robustness and effectiveness of our method. Our project page is https://fcyycf.github.io/RobustSplat/.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 しかし、既存の手法では、過渡的な物体の影響を受けやすいシーンを正確にモデル化することは困難であり、描画された画像のアーティファクトに繋がる。 ガウスの密度化プロセスは、シーンの細部を捉えながら、過渡的乱れをモデル化するガウスのさらなる成長によって、意図せずにこれらの人工物に寄与する。 これを解決するために,2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。 まず,静的なシーン構造の最適化を優先した遅延ガウス成長戦略を導入し,ガウスの分割・閉鎖を許容し,過度なオブジェクトへのオーバーフィットを早期に緩和する。 第2に、まず、信頼性の高い初期過渡マスク推定のための低分解能特徴類似性監視を利用して、その強いセマンティック一貫性とノイズに対する堅牢性を利用して、次に、より正確なマスク予測を実現するための高分解能監視へと進むスケールカスケードマスクブートストラッピング手法を設計する。 複数の挑戦的データセットに対する大規模な実験により,提案手法は既存の手法よりも優れており,本手法の堅牢性と有効性を明確に示している。 私たちのプロジェクトページはhttps://fcyycf.github.io/RobustSplat/です。

関連論文リスト

• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• Uncertainty-Aware Normal-Guided Gaussian Splatting for Surface Reconstruction from Sparse Image Sequences [21.120659841877508]
  3D Gaussian Splatting (3DGS)は、新規なビュー合成において印象的なレンダリング性能を達成した。 3DGSパイプライン内の幾何的不確かさを定量化するために,不確かさを意識した正規誘導型ガウス格子(UNG-GS)を提案する。 UNG-GSはスパース配列と高密度シーケンスの両方で最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-03-14T08:18:12Z)
• ForestSplats: Deformable transient field for Gaussian Splatting in the Wild [7.260126436331847]
  3D-GSは静的なシーンでは有効性を示すが、実際の環境では性能が著しく低下する。 変形可能な過渡場とスーパーピクセル対応マスクを利用する新しいアプローチであるフォレストスプラッツを提案する。
  論文  参考訳（メタデータ） (2025-03-08T11:44:57Z)
• Mini-Splatting2: Building 360 Scenes within Minutes via Aggressive Gaussian Densification [4.733612131945549]
  Mini-Splatting2は最適化時間、ガウス数、レンダリング品質のバランスの取れたトレードオフを実現する。 我々の研究は、現実世界のアプリケーションにおいて、より効率的で高品質な3Dシーンモデリングのステージを定めている。
  論文  参考訳（メタデータ） (2024-11-19T11:47:40Z)
• Robust 3D Gaussian Splatting for Novel View Synthesis in Presence of Distractors [44.55317154371679]
  3D Gaussian Splattingは素晴らしいビュー合成結果を示している。 静的なシーンの入力データを汚染する動的オブジェクトに対して脆弱である。 提案手法は,多種多様な気晴らしに対して堅牢であり,気晴らしシーンのレンダリング品質を著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-08-21T15:21:27Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。