論文の概要: DWTGS: Rethinking Frequency Regularization for Sparse-view 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2507.15690v1
• Date: Mon, 21 Jul 2025 14:56:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.451173
• Title: DWTGS: Rethinking Frequency Regularization for Sparse-view 3D Gaussian Splatting
• Title（参考訳）: DWTGS: スパースビュー3次元ガウス平滑化のための周波数正規化の再考
• Authors: Hung Nguyen, Runfa Li, An Le, Truong Nguyen,
• Abstract要約: Sparse-view 3D Gaussian Splatting (3DGS) は、高品質なノベルビューを再構築する上で重要な課題である。 DWTGSは,ウェーブレット空間の損失を利用して周波数正規化を再考するフレームワークであり,空間的監視を付加する。
• 参考スコア（独自算出の注目度）: 5.026688852582894
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sparse-view 3D Gaussian Splatting (3DGS) presents significant challenges in reconstructing high-quality novel views, as it often overfits to the widely-varying high-frequency (HF) details of the sparse training views. While frequency regularization can be a promising approach, its typical reliance on Fourier transforms causes difficult parameter tuning and biases towards detrimental HF learning. We propose DWTGS, a framework that rethinks frequency regularization by leveraging wavelet-space losses that provide additional spatial supervision. Specifically, we supervise only the low-frequency (LF) LL subbands at multiple DWT levels, while enforcing sparsity on the HF HH subband in a self-supervised manner. Experiments across benchmarks show that DWTGS consistently outperforms Fourier-based counterparts, as this LF-centric strategy improves generalization and reduces HF hallucinations.
• Abstract（参考訳）: Sparse-view 3D Gaussian Splatting (3DGS)は、スパーストレーニングビューの広範に変化する高周波(HF)の詳細によく適合するため、高品質なノベルビューを再構築する上で重要な課題を提示する。 周波数正規化は有望なアプローチであるが、フーリエ変換への典型的な依存は、パラメータチューニングが困難であり、有害なHF学習へのバイアスを引き起こす。 DWTGSは,ウェーブレット空間の損失を利用して周波数正規化を再考するフレームワークであり,空間的監視を付加する。 具体的には,低周波(LF)LLサブバンドのみを複数のDWTレベルで監視し,HF HHサブバンドの間隔を自己監督的に維持する。 DWTGSは、LF中心の戦略が一般化を改善し、HF幻覚を減少させるため、ベンチマーク間での実験により、Fourierベースの手法よりも一貫して優れていることが示されている。

関連論文リスト

• FAD: Frequency Adaptation and Diversion for Cross-domain Few-shot Learning [35.40065954148091]
  ドメイン間数ショット学習では、大きな分散シフトの下で限定ラベル付きサンプルからモデルを一般化する必要がある。 本稿では、スペクトル成分を明示的にモデル化・変調する周波数対応フレームワークである周波数適応・変換(FAD)を紹介する。 FADは、目に見えないドメインと見えないドメインの両方において、最先端のメソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-13T08:48:06Z)
• Frequency-Aware Gaussian Splatting Decomposition [10.951186766576173]
  3D Gaussian Splatting (3D-GS)は、その効率的で明示的な表現によって、新しいビュー合成に革命をもたらした。 入力画像のラプラシアピラミッドのサブバンドに対応する3Dガウスをグループ化する周波数分解3D-GSフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-27T07:35:40Z)
• Sharpening Neural Implicit Functions with Frequency Consolidation Priors [53.6277160912059]
  符号付き距離関数 (Signed Distance Function, SDF) は、高忠実度3D表面を表現するために重要な暗黙の表現である。 現在の手法は主にニューラルネットワークを利用して、署名された3Dポイントクラウドやマルチビューイメージなど、さまざまな監督機関からSDFを学ぶ。 本研究では、高周波成分を回収し、よりシャープで完全な表面を追求することにより、低周波SDF観測を高速化する手法を提案する。
  論文  参考訳（メタデータ） (2024-12-27T16:18:46Z)
• Tuning Frequency Bias of State Space Models [48.60241978021799]
  状態空間モデル(SSM)は、線形時間不変(LTI)システムを利用して、長距離依存のシーケンスを学習する。 その結果,SSMは低周波成分を高周波成分よりも効果的に捕捉する傾向を示した。
  論文  参考訳（メタデータ） (2024-10-02T21:04:22Z)
• Mitigating Low-Frequency Bias: Feature Recalibration and Frequency Attention Regularization for Adversarial Robustness [23.77988226456179]
  敵の訓練(AT)は、有望な防衛戦略として現れている。 ATトレーニングされたモデルは、高周波成分を無視しながら、低周波特徴に対するバイアスを示す。 本稿では,周波数特性を戦略的に分離・再分類する新しいモジュールであるHFDRを提案する。
  論文  参考訳（メタデータ） (2024-07-04T15:46:01Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• FreGS: 3D Gaussian Splatting with Progressive Frequency Regularization [67.47895278233717]
  周波数空間における過度再構成問題に対処するために, 進行周波数正規化手法を開発した。 FreGSは優れた斬新なビュー合成を実現し、最先端の技術を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-03-11T17:00:27Z)
• WaveNeRF: Wavelet-based Generalizable Neural Radiance Fields [149.2296890464997]
  我々は、ウェーブレット周波数分解をMVSとNeRFに統合したWaveNeRFを設計する。 WaveNeRFは、3つの画像のみを入力として与えたときに、より優れた一般化可能な放射場モデリングを実現する。
  論文  参考訳（メタデータ） (2023-08-09T09:24:56Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。