論文の概要: CL-Splats: Continual Learning of Gaussian Splatting with Local Optimization

• arxiv url: http://arxiv.org/abs/2506.21117v1
• Date: Thu, 26 Jun 2025 09:32:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.038301
• Title: CL-Splats: Continual Learning of Gaussian Splatting with Local Optimization
• Title（参考訳）: CL-Splats:局所最適化によるガウススプラッティングの連続学習
• Authors: Jan Ackermann, Jonas Kulhanek, Shengqu Cai, Haofei Xu, Marc Pollefeys, Gordon Wetzstein, Leonidas Guibas, Songyou Peng,
• Abstract要約: 本稿では,スパースシーンキャプチャから3次元表現を漸進的に更新するCL-Splatを紹介した。 CL-Splatsは、シーン内のアップデートと静的コンポーネントをセグメント化する堅牢な変更検出モジュールを統合する。 本実験により, CL-Splats は, 最先端の再構築品質を向上し, 効率的な更新を実現することを示した。
• 参考スコア（独自算出の注目度）: 68.89159693946685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In dynamic 3D environments, accurately updating scene representations over time is crucial for applications in robotics, mixed reality, and embodied AI. As scenes evolve, efficient methods to incorporate changes are needed to maintain up-to-date, high-quality reconstructions without the computational overhead of re-optimizing the entire scene. This paper introduces CL-Splats, which incrementally updates Gaussian splatting-based 3D representations from sparse scene captures. CL-Splats integrates a robust change-detection module that segments updated and static components within the scene, enabling focused, local optimization that avoids unnecessary re-computation. Moreover, CL-Splats supports storing and recovering previous scene states, facilitating temporal segmentation and new scene-analysis applications. Our extensive experiments demonstrate that CL-Splats achieves efficient updates with improved reconstruction quality over the state-of-the-art. This establishes a robust foundation for future real-time adaptation in 3D scene reconstruction tasks.
• Abstract（参考訳）: 動的3D環境では、ロボット工学、混合現実、具体化AIの応用において、時間とともにシーン表現を正確に更新することが不可欠である。 シーンが進化するにつれて、シーン全体を最適化する計算オーバーヘッドを伴わずに、最新の高品質な再構築を維持するために、変更を組み込む効率的な方法が必要である。 本稿では,スパースシーンキャプチャからガウススプラッティングに基づく3次元表現を漸進的に更新するCL-Splatsを提案する。 CL-Splatsは、アップデートと静的コンポーネントをシーン内でセグメント化する堅牢な変更検出モジュールを統合し、不必要な再計算を回避する、集中型のローカル最適化を可能にする。 さらに、CL-Splatsは以前のシーン状態の保存と復元をサポートし、時間分割と新しいシーン分析アプリケーションを容易にする。 CL-Splatsは, 現状の再現性の向上を図りながら, 効率的な更新を実現していることを示す。 これにより,3次元シーン再構築作業におけるリアルタイム適応のための堅牢な基盤が確立される。

関連論文リスト

• QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
  表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。 レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。 大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
  論文  参考訳（メタデータ） (2025-05-08T18:43:26Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• Gaussian On-the-Fly Splatting: A Progressive Framework for Robust Near Real-Time 3DGS Optimization [8.422116335889163]
  画像キャプチャ中にほぼリアルタイムで3DGSの最適化を可能にするフレームワークであるOn-the-Fly GSを導入する。 各画像が到着すると、そのポーズとスパースポイントはオンザフライのSfMを介して更新され、新しく最適化されたガウスは直ちに3DGSフィールドに統合される。 複数のベンチマークデータセットの実験では、On-the-Fly GSはトレーニング時間を大幅に短縮し、レンダリングロスを最小限に抑えて、新しいイメージを数秒で最適化している。
  論文  参考訳（メタデータ） (2025-03-17T11:47:58Z)
• 3D Gaussian Splatting against Moving Objects for High-Fidelity Street Scene Reconstruction [1.2603104712715607]
  本稿では,ダイナミックストリートシーン再構築のための新しい3次元ガウス点分布法を提案する。 提案手法では,高忠実度な静的シーンを保存しながらオブジェクトの移動を除去する。 実験により, 大規模動的環境における再現性の向上, レンダリング性能の向上, 適応性の向上が示された。
  論文  参考訳（メタデータ） (2025-03-15T05:41:59Z)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)

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。