論文の概要: Curve-Aware Gaussian Splatting for 3D Parametric Curve Reconstruction

• arxiv url: http://arxiv.org/abs/2506.21401v1
• Date: Thu, 26 Jun 2025 15:48:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.173758
• Title: Curve-Aware Gaussian Splatting for 3D Parametric Curve Reconstruction
• Title（参考訳）: 3次元パラメトリック曲線再構成のための曲線対応ガウス平滑化法
• Authors: Zhirui Gao. Renjiao Yi, Yaqiao Dai, Xuening Zhu, Wei Chen, Chenyang Zhu, Kai Xu,
• Abstract要約: 本稿では,多視点エッジマップから直接3次元パラメトリック曲線を再構成するためのエンドツーエンドフレームワークを提案する。 パラメトリック曲線とエッジ指向ガウス成分の双方向結合機構を提案する。 提案手法は,既存の手法に比べて高い効率と優れた性能を達成し,トレーニング中のパラメータ数を著しく削減する。
• 参考スコア（独自算出の注目度）: 13.354564630317007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an end-to-end framework for reconstructing 3D parametric curves directly from multi-view edge maps. Contrasting with existing two-stage methods that follow a sequential ``edge point cloud reconstruction and parametric curve fitting'' pipeline, our one-stage approach optimizes 3D parametric curves directly from 2D edge maps, eliminating error accumulation caused by the inherent optimization gap between disconnected stages. However, parametric curves inherently lack suitability for rendering-based multi-view optimization, necessitating a complementary representation that preserves their geometric properties while enabling differentiable rendering. We propose a novel bi-directional coupling mechanism between parametric curves and edge-oriented Gaussian components. This tight correspondence formulates a curve-aware Gaussian representation, \textbf{CurveGaussian}, that enables differentiable rendering of 3D curves, allowing direct optimization guided by multi-view evidence. Furthermore, we introduce a dynamically adaptive topology optimization framework during training to refine curve structures through linearization, merging, splitting, and pruning operations. Comprehensive evaluations on the ABC dataset and real-world benchmarks demonstrate our one-stage method's superiority over two-stage alternatives, particularly in producing cleaner and more robust reconstructions. Additionally, by directly optimizing parametric curves, our method significantly reduces the parameter count during training, achieving both higher efficiency and superior performance compared to existing approaches.
• Abstract（参考訳）: 本稿では,多視点エッジマップから直接3次元パラメトリック曲線を再構成するためのエンドツーエンドフレームワークを提案する。 逐次的な 'edge point cloud reconstruction and parametric curve fit'' パイプラインに従う既存の2段階の手法とは対照的に,我々の1段階のアプローチは2次元エッジマップから直接3次元パラメトリック曲線を最適化し,非連結ステージ間の固有最適化ギャップに起因する誤差の蓄積を排除している。 しかし、パラメトリック曲線は本質的にレンダリングベースの多視点最適化に適せず、その幾何学的性質を保ちながら微分可能なレンダリングを可能にする相補的表現を必要とする。 パラメトリック曲線とエッジ指向ガウス成分の双方向結合機構を提案する。 この厳密な対応は、曲線を意識したガウス表現である \textbf{CurveGaussian {\displaystyle \textbf{CurveGaussian} を定式化し、3次元曲線の微分レンダリングを可能にし、マルチビューエビデンスによって直接最適化することができる。 さらに、線形化、マージ、分割、プルーニング操作を通じて曲線構造を洗練するためのトレーニング中に動的適応的なトポロジー最適化フレームワークを導入する。 ABCデータセットと実世界のベンチマークに関する総合的な評価は、我々の1段階の手法が2段階の方法よりも優れていることを示す。 さらに,パラメトリック曲線を直接最適化することにより,トレーニング中のパラメータ数を大幅に削減し,既存の手法と比較して高い効率と優れた性能を実現する。

関連論文リスト

• CLR-Wire: Towards Continuous Latent Representations for 3D Curve Wireframe Generation [11.447223770747051]
  CLR ContinuousWireは曲線をパラメトリック曲線としてエンコードし、パラメトリック曲線を連続的で固定された潜在空間に変換する。 この統一されたアプローチは幾何学と位相の両方を生成する。
  論文  参考訳（メタデータ） (2025-04-27T09:32:42Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [53.780682194322225]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)

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。