論文の概要: Neural Shell Texture Splatting: More Details and Fewer Primitives

• arxiv url: http://arxiv.org/abs/2507.20200v1
• Date: Sun, 27 Jul 2025 09:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.263052
• Title: Neural Shell Texture Splatting: More Details and Fewer Primitives
• Title（参考訳）: Neural Shell Texture Splatting: 詳細とプリミティブの少なさ
• Authors: Xin Zhang, Anpei Chen, Jincheng Xiong, Pinxuan Dai, Yujun Shen, Weiwei Xu,
• Abstract要約: 表面のテクスチャ情報をエンコードするグローバル表現であるニューラルシェルテクスチャを導入する。 本評価により, 高いパラメータ効率, きめ細かなテクスチャディテール再構築, 容易なテクスチャメッシュ抽出が可能であることが示された。
• 参考スコア（独自算出の注目度）: 37.33701393691611
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian splatting techniques have shown promising results in novel view synthesis, achieving high fidelity and efficiency. However, their high reconstruction quality comes at the cost of requiring a large number of primitives. We identify this issue as stemming from the entanglement of geometry and appearance in Gaussian Splatting. To address this, we introduce a neural shell texture, a global representation that encodes texture information around the surface. We use Gaussian primitives as both a geometric representation and texture field samplers, efficiently splatting texture features into image space. Our evaluation demonstrates that this disentanglement enables high parameter efficiency, fine texture detail reconstruction, and easy textured mesh extraction, all while using significantly fewer primitives.
• Abstract（参考訳）: ガウスのスプレイティング技術は、新しいビュー合成において有望な結果を示し、高い忠実性と効率性を実現している。 しかし、その高い復元品質は、大量のプリミティブを必要とするコストが伴う。 我々はこの問題を、ガウススプラッティングにおける幾何学と外見の絡み合いから生じるものであると認識している。 そこで我々は,表面のテクスチャ情報をエンコードするグローバル表現であるニューラルシェルテクスチャを導入する。 幾何学的表現とテクスチャフィールドのサンプルとしてガウス的プリミティブを使用し,テクスチャの特徴を画像空間に効率よくスプラッティングする。 本評価により, パラメータ効率の向上, きめ細かなテクスチャ細部再構築, メッシュ抽出の容易化を実現し, プリミティブを著しく減らした。

関連論文リスト

• Using Gaussian Splats to Create High-Fidelity Facial Geometry and Texture [2.7431069096660736]
  我々は、人間の顔の未校正画像の集合の統一的な説明を構築するために、人気が高まっている3次元神経表現を活用している。 セグメンテーションのセグメンテーションを利用して,11枚の画像から中性ポーズを復元する。 本研究では,ガウススプラッツを視覚依存型神経テクスチャとして扱えるようなテクスチャ空間に,正確な幾何学がいかに変換できるかを示す。
  論文  参考訳（メタデータ） (2025-12-18T10:53:51Z)
• ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization [51.51724817131134]
  3Dガウススメッティングは、空間的に異なる属性をキャプチャするためのテクスチャパラメータ化を持つ。 テクスチャは通常標準空間で定義され、非効率なサンプリングにつながる。 提案したASAP Textured Gaussian は品質効率のトレードオフを大幅に改善し,テクスチャパラメータをはるかに少ない高忠実度レンダリングを実現した。
  論文  参考訳（メタデータ） (2025-12-16T03:13:27Z)
• Content-Aware Texturing for Gaussian Splatting [4.861240703958262]
  我々は,テクスチャを用いて,可能な限り詳細な外観を表現することを提案する。 我々の主な焦点は、ガウススプラッティング最適化中にシーンに適応する原初的テクスチャマップを組み込むことである。 提案手法は, 画像の質やパラメータの総数において, 代替手法と比較して良好に動作することを示す。
  論文  参考訳（メタデータ） (2025-12-02T10:29:10Z)
• Neural Texture Splatting: Expressive 3D Gaussian Splatting for View Synthesis, Geometry, and Dynamic Reconstruction [20.80508604651125]
  3D Gaussian Splatting (3DGS) は高品質な新規ビュー合成の先駆的なアプローチとして現れている。 近年の研究では, 3DGSを原単位のテクスチャなど, 原単位の容量を増大させることが提案されている。 ニューラルテクスチャスティング(NTS)を導入し,多種多様な再構築作業における最先端3DGSのバリエーションを改善する。
  論文  参考訳（メタデータ） (2025-11-24T08:26:32Z)
• A Mixed-Primitive-based Gaussian Splatting Method for Surface Reconstruction [61.205927223522174]
  本稿では,ガウススプラッティングが表面再構成過程において,複数のプリミティブを組み込むことを可能にする新しいフレームワークを提案する。 具体的には,我々はまず,異なる種類のプリミティブのスプレイティングとレンダリングを可能にする構成的スプレイティング戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-15T13:52:40Z)
• TextureSplat: Per-Primitive Texture Mapping for Reflective Gaussian Splatting [6.430258446597413]
  ガウススプラッティングは、高いレンダリングフレームレートで驚くほど新しいビュー合成性能を示した。 幾何学的および物理的に接地した放射場を用いてこの問題に対処する手法を提案する。 また、GPUハードウェアを利用して、統一されたテクスチャアトラスを用いて、テスト時のレンダリングを高速化することを提案する。
  論文  参考訳（メタデータ） (2025-06-16T10:41:40Z)
• SolidGS: Consolidating Gaussian Surfel Splatting for Sparse-View Surface Reconstruction [48.228533595941556]
  この問題に対処するために,SolidGSと呼ばれる新しい手法を提案する。 再構成された幾何は多視点では非常に不整合であることがわかった。 幾何学的正規化と単分子正規化の助けを借りて,スパース面の再構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） (2024-12-19T21:04:43Z)
• NeRF-Texture: Synthesizing Neural Radiance Field Textures [77.24205024987414]
  与えられた多視点画像からテクスチャを捕捉・合成するためのニューラルレージアンス場(NeRF)を用いた新しいテクスチャ合成法を提案する。 提案したNeRFテクスチャ表現では、微細な幾何学的詳細を持つシーンをメソ構造テクスチャと基盤形状に分割する。 我々は潜伏特徴のパッチマッチングによってNeRFベースのテクスチャを合成できる。
  論文  参考訳（メタデータ） (2024-12-13T09:41:48Z)
• Textured Gaussians for Enhanced 3D Scene Appearance Modeling [58.134905268540436]
  3D Gaussian Splatting (3DGS)は最先端の3D再構成およびレンダリング技術として登場した。 本稿では,それぞれにα(A), RGB, RGBAテクスチャマップを付加した一般化されたガウスの外観表現を提案する。 類似または少ないガウス数を用いて,既存の手法に比べて画質が向上したことを示す。
  論文  参考訳（メタデータ） (2024-11-27T18:59:59Z)
• GStex: Per-Primitive Texturing of 2D Gaussian Splatting for Decoupled Appearance and Geometry Modeling [11.91812502521729]
  ガウススプラッティングは、ビュー合成とシーン再構成に優れた性能を示した。 各ガウス原始体は外観と幾何学の両方を符号化しているので、外見モデリングには多数のガウス原始体が必要である。 我々は,1つのガウス語でさえ外観の詳細を捉えられるように,パープリミティブな表現を採用することを提案する。
  論文  参考訳（メタデータ） (2024-09-19T17:58:44Z)
• Textured-GS: Gaussian Splatting with Spatially Defined Color and Opacity [7.861993966048637]
  Spherical Harmonics (SH) を用いたガウス平滑化手法である Textured-GS を導入する。 このアプローチにより、各ガウス多様体は、その表面の様々な色や不透明度を調節することで、よりリッチな表現を表現できる。 実験の結果,Textured-GS はベースラインのMini-Splatting と標準の3DGS を視覚的忠実度で一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-07-13T00:45:37Z)
• Paint-it: Text-to-Texture Synthesis via Deep Convolutional Texture Map Optimization and Physically-Based Rendering [47.78392889256976]
  Paint-itは3Dレンダリングのためのテキスト駆動の高忠実なテクスチャマップ合成法である。 Paint-itはScore-Distillation Sampling(SDS)を利用してテキスト記述からテクスチャマップを合成する 我々は,DC-PBRがテクスチャ周波数に応じて最適化カリキュラムをスケジュールし,SDSからノイズ信号を自然にフィルタすることを示した。
  論文  参考訳（メタデータ） (2023-12-18T17:17:08Z)
• NeuManifold: Neural Watertight Manifold Reconstruction with Efficient and High-Quality Rendering Support [43.5015470997138]
  マルチビュー入力画像から高品質な水密多様体メッシュを生成する手法を提案する。 提案手法は両世界の利点を組み合わせ, ニューラルネットワークから得られる幾何学と, よりコンパクトな神経テクスチャ表現を最適化する。
  論文  参考訳（メタデータ） (2023-05-26T17:59:21Z)
• Pyramid Texture Filtering [86.15126028139736]
  目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。 ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。 本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-11T02:05:30Z)

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。