論文の概要: Micro-macro Gaussian Splatting with Enhanced Scalability for Unconstrained Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2506.13516v1
• Date: Mon, 16 Jun 2025 14:11:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.684081
• Title: Micro-macro Gaussian Splatting with Enhanced Scalability for Unconstrained Scene Reconstruction
• Title（参考訳）: 非拘束的シーン再構成のための拡張性を有するマイクロマクロガウススメッティング
• Authors: Yihui Li, Chengxin Lv, Hongyu Yang, Di Huang,
• Abstract要約: 本研究では,シーン表現をグローバル,洗練,本質的な構成要素に分解することで,多様なスケールで3次元再構成を実現する手法を提案する。 SMW-GSは以下のイノベーションを取り入れている: マイクロマクロプロジェクション: ガウス点が多様性を改善したマルチスケールの詳細をサンプリングすることを可能にするマイクロマクロプロジェクション; ウェーブレットベースのサンプリング: 周波数領域情報を用いて特徴表現を洗練し、複雑なシーンの外観をよりよく捉える。 実験により、SMW-GSは、再建品質とスケーラビリティの両方において既存の手法よりも優れており、特に大規模な都市環境において、照明のバラツキに挑戦している。
• 参考スコア（独自算出の注目度）: 25.2521533409277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing 3D scenes from unconstrained image collections poses significant challenges due to variations in appearance. In this paper, we propose Scalable Micro-macro Wavelet-based Gaussian Splatting (SMW-GS), a novel method that enhances 3D reconstruction across diverse scales by decomposing scene representations into global, refined, and intrinsic components. SMW-GS incorporates the following innovations: Micro-macro Projection, which enables Gaussian points to sample multi-scale details with improved diversity; and Wavelet-based Sampling, which refines feature representations using frequency-domain information to better capture complex scene appearances. To achieve scalability, we further propose a large-scale scene promotion strategy, which optimally assigns camera views to scene partitions by maximizing their contributions to Gaussian points, achieving consistent and high-quality reconstructions even in expansive environments. Extensive experiments demonstrate that SMW-GS significantly outperforms existing methods in both reconstruction quality and scalability, particularly excelling in large-scale urban environments with challenging illumination variations. Project is available at https://github.com/Kidleyh/SMW-GS.
• Abstract（参考訳）: 制約のない画像コレクションから3Dシーンを再構成することは、外観の変化によって大きな課題となる。 本稿では,SMW-GSを用いたスケーラブルなマイクロマクロウェーブレットを用いたガウシアン・スプレイティング(SMW-GS)を提案する。 SMW-GSは以下のイノベーションを取り入れている: マイクロマクロプロジェクション: ガウス点が多様性を改善したマルチスケールの詳細をサンプリングすることを可能にするマイクロマクロプロジェクション; ウェーブレットベースのサンプリング: 周波数領域情報を用いて特徴表現を洗練し、複雑なシーンの外観をよりよく捉える。 拡張性を実現するため,ガウス点へのコントリビューションを最大化し,拡張環境においても一貫した高品質な再構築を実現することにより,シーン分割にカメラビューを最適に割り当てる大規模シーンプロモーション戦略を提案する。 大規模な実験により、SMW-GSは、再建品質とスケーラビリティの両方において既存の手法を著しく上回り、特に大規模な都市環境において、照明のバラツキに挑戦している。 プロジェクトはhttps://github.com/Kidleyh/SMW-GSで入手できる。

関連論文リスト

• LLGS: Unsupervised Gaussian Splatting for Image Enhancement and Reconstruction in Pure Dark Environment [18.85235185556243]
  本稿では3次元ガウス散乱に基づく教師なし多視点立体視システムを提案する。 本システムは、シーンを再構成しながら、低照度環境における画像の高精細化を目的としている。 実世界のデータセットを用いて行った実験により、我々のシステムは低照度化と3次元ガウススプラッティングの両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-24T13:05:05Z)
• PanopticSplatting: End-to-End Panoptic Gaussian Splatting [20.04251473153725]
  そこで我々は,オープン・ボキャブラリ・パノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノ 本手法では,クエリ誘導型ガウス分割と局所的クロスアテンションを導入し,クロスフレームアソシエーションなしで2次元のインスタンスマスクを持ち上げる。 本手法は,ScanNet-V2とScanNet++データセット上での3Dシーンパノビュータ再構成において,高い性能を示す。
  論文  参考訳（メタデータ） (2025-03-23T13:45:39Z)
• MVGSR: Multi-View Consistency Gaussian Splatting for Robust Surface Reconstruction [46.081262181141504]
  3D Gaussian Splatting (3DGS)は高品質なレンダリング機能、超高速トレーニング、推論速度で注目されている。 我々はロバスト表面再構成(textbfMVGSR)の領域に対するマルチビュー一貫性ガウススティングを提案する。 MVGSRは、最先端の表面再構成アルゴリズムと比較して、競合する幾何学的精度とレンダリング忠実度を実現している。
  論文  参考訳（メタデータ） (2025-03-11T06:53:27Z)
• Micro-macro Wavelet-based Gaussian Splatting for 3D Reconstruction from Unconstrained Images [25.2521533409277]
  マイクロマクロウェーブレットをベースとしたガウススプラッティング (MW-GS) は, シーン表現をグローバル, 洗練, 内在的な構成要素に切り離すことにより, 3次元再構成を強化するように設計されている。 MW-GSは最先端のレンダリング性能を提供し、既存の手法を超越している。
  論文  参考訳（メタデータ） (2025-01-24T04:37:57Z)
• 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)
• MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [73.49548565633123]
  3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。 既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。 本稿では,3次元ガウス・スプレイティング(MCGS)に基づくビュー・フレームワークを提案し,スパークス・インプット・ビューからシーンを再構築する。
  論文  参考訳（メタデータ） (2024-10-15T08:39:05Z)
• MVSGaussian: Fast Generalizable Gaussian Splatting Reconstruction from Multi-View Stereo [54.00987996368157]
  MVSGaussianは、Multi-View Stereo(MVS)から導かれる新しい一般化可能な3次元ガウス表現手法である。 MVSGaussianは、シーンごとにより良い合成品質でリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2024-05-20T17:59:30Z)
• FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
  本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。 このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-01T09:30:02Z)

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。