論文の概要: Gaussian Splatting with Discretized SDF for Relightable Assets

• arxiv url: http://arxiv.org/abs/2507.15629v1
• Date: Mon, 21 Jul 2025 13:52:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.425475
• Title: Gaussian Splatting with Discretized SDF for Relightable Assets
• Title（参考訳）: Relightable Assets のための離散化 SDF を用いたガウス散乱
• Authors: Zuo-Liang Zhu, Jian Yang, Beibei Wang,
• Abstract要約: 3次元ガウススプラッティング(3DGS)は,新しいビュー合成(NVS)タスクにおいて,その詳細な表現能力と高効率レンダリング速度を示した。 逆レンダリングへの応用は、ガウス原始体の離散的性質が幾何学的制約の適用を困難にしているため、いくつかの課題に直面している。 最近の研究は、ガウス原始主義者によって定義された幾何学を正則化する余分な連続表現として符号付き距離場(SDF)を導入している。 サンプル値を用いて各ガウス語に符号化することにより,連続SDFを離散的に表現するための離散化SDFを導入する。
• 参考スコア（独自算出の注目度）: 20.523085632567717
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 3D Gaussian splatting (3DGS) has shown its detailed expressive ability and highly efficient rendering speed in the novel view synthesis (NVS) task. The application to inverse rendering still faces several challenges, as the discrete nature of Gaussian primitives makes it difficult to apply geometry constraints. Recent works introduce the signed distance field (SDF) as an extra continuous representation to regularize the geometry defined by Gaussian primitives. It improves the decomposition quality, at the cost of increasing memory usage and complicating training. Unlike these works, we introduce a discretized SDF to represent the continuous SDF in a discrete manner by encoding it within each Gaussian using a sampled value. This approach allows us to link the SDF with the Gaussian opacity through an SDF-to-opacity transformation, enabling rendering the SDF via splatting and avoiding the computational cost of ray marching.The key challenge is to regularize the discrete samples to be consistent with the underlying SDF, as the discrete representation can hardly apply the gradient-based constraints (\eg Eikonal loss). For this, we project Gaussians onto the zero-level set of SDF and enforce alignment with the surface from splatting, namely a projection-based consistency loss. Thanks to the discretized SDF, our method achieves higher relighting quality, while requiring no extra memory beyond GS and avoiding complex manually designed optimization. The experiments reveal that our method outperforms existing Gaussian-based inverse rendering methods. Our code is available at https://github.com/NK-CS-ZZL/DiscretizedSDF.
• Abstract（参考訳）: 3次元ガウススプラッティング(3DGS)は,新しいビュー合成(NVS)タスクにおいて,その詳細な表現能力と高効率レンダリング速度を示した。 逆レンダリングへの応用は、ガウス原始体の離散的性質が幾何学的制約の適用を困難にしているため、いくつかの課題に直面している。 最近の研究は、ガウス原始主義者によって定義された幾何学を正則化する余分な連続表現として符号付き距離場(SDF)を導入している。 メモリ使用量を増やし、トレーニングを複雑にするコストで、分解品質を改善する。 これらの研究と異なり、サンプル値を用いて各ガウス語に符号化することにより、連続SDFを離散的に表現するための離散化SDFを導入する。 このアプローチにより、SDFとガウス不透明度をSDF-to-opacity変換で結びつけることができ、スプラッティングによるSDFのレンダリングを可能にし、レイマーチングの計算コストを回避できる。 このために、ガウス群をゼロレベル SDF の集合に射影し、スプラッティングから表面へのアライメント、すなわち射影に基づく整合損失を強制する。 離散化SDFにより、GS以外の余分なメモリを必要とせず、複雑な手作業による最適化を回避しつつ、より高い照度を実現することができる。 実験の結果,提案手法は既存のガウスの逆レンダリング法よりも優れていることがわかった。 私たちのコードはhttps://github.com/NK-CS-ZZL/DiscretizedSDFで利用可能です。

関連論文リスト

• GaussianUDF: Inferring Unsigned Distance Functions through 3D Gaussian Splatting [49.60513072330759]
  本稿では,3次元ガウスとUDFのギャップを埋める新しい手法を提案する。 私たちのキーとなるアイデアは、表面上の細く平坦な2次元ガウス平面を過度に適合させ、それから自己超越と勾配に基づく推論を活用することである。 我々は, 境界を持つ開放面の精度, 効率, 完全性, シャープ性の観点から, 優位性を示す。
  論文  参考訳（メタデータ） (2025-03-25T08:46:55Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [84.07233691641193]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• SplatSDF: Boosting Neural Implicit SDF via Gaussian Splatting Fusion [13.013832790126541]
  我々は,3DGSandSDF-NeRFをアーキテクチャレベルで融合させる「SplatSDF」と呼ばれる新しいニューラル暗黙的SDFを提案し,幾何的および光度精度と収束速度を大幅に向上させた。 提案手法は,提案時の幾何的および測光的評価において,最先端のSDF-NeRFモデルより優れる。
  論文  参考訳（メタデータ） (2024-11-23T06:35:19Z)
• Neural Signed Distance Function Inference through Splatting 3D Gaussians Pulled on Zero-Level Set [49.780302894956776]
  多視点表面再構成における符号付き距離関数(SDF)の推測は不可欠である。 本稿では3DGSとニューラルSDFの学習をシームレスに融合する手法を提案する。 我々の数値的および視覚的比較は、広く使用されているベンチマークの最先端結果よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-18T05:48:06Z)
• GS-Octree: Octree-based 3D Gaussian Splatting for Robust Object-level 3D Reconstruction Under Strong Lighting [4.255847344539736]
  我々はオクツリーに基づく暗黙的な表面表現とガウススプラッティングを組み合わせた新しいアプローチを導入する。 SDFによる3次元ガウス分布を利用した本手法は,特に高輝度光による特徴強調画像において,より正確な形状を再構成する。
  論文  参考訳（メタデータ） (2024-06-26T09:29:56Z)
• GS-ROR$^2$: Bidirectional-guided 3DGS and SDF for Reflective Object Relighting and Reconstruction [20.523085632567717]
  照明モデルの効率的な最適化のためのSDF支援型ガウススプラッティングと,高品質な幾何再構成のためのGS誘導型SDF拡張を提案する。 提案手法は,17%の余分なトレーニング時間で,反射物体に高品質なメッシュを提供することができる。
  論文  参考訳（メタデータ） (2024-05-22T09:40:25Z)
• 3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting [58.95801720309658]
  本稿では,3次元ガウス散乱(3DGS),すなわち3DGSRを用いた暗黙的表面再構成法を提案する。 重要な洞察は、暗黙の符号付き距離場(SDF)を3Dガウスに組み込んで、それらが整列され、共同最適化されるようにすることである。 実験により, 3DGSの効率とレンダリング品質を保ちながら, 高品質な3D表面再構成が可能な3DGSR法が実証された。
  論文  参考訳（メタデータ） (2024-03-30T16:35:38Z)
• GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
  GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。 周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
  論文  参考訳（メタデータ） (2024-02-15T17:32:50Z)
• Gradient-SDF: A Semi-Implicit Surface Representation for 3D Reconstruction [53.315347543761426]
  Gradient-SDFは、暗黙的表現と明示的表現の利点を組み合わせた3次元幾何学の新しい表現である。 すべてのボクセルに符号付き距離場とその勾配ベクトル場を格納することにより、暗黙表現の能力を高める。 本研究では,(1)グラディエント・SDFは,ハッシュマップなどの効率的な記憶方式を用いて,深度画像からの直接SDF追跡を行うことができ,(2)グラディエント・SDF表現はボクセル表現で直接光度バンドル調整を行うことができることを示す。
  論文  参考訳（メタデータ） (2021-11-26T18:33:14Z)

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。