論文の概要: NeRF Is a Valuable Assistant for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2507.23374v1
• Date: Thu, 31 Jul 2025 09:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.427969
• Title: NeRF Is a Valuable Assistant for 3D Gaussian Splatting
• Title（参考訳）: NeRFは3Dガウス撮影のための貴重なアシスタント
• Authors: Shuangkang Fang, I-Chao Shen, Takeo Igarashi, Yufeng Wang, ZeSheng Wang, Yi Yang, Wenrui Ding, Shuchang Zhou,
• Abstract要約: ニューラル放射場(NeRF)と3次元ガウス散乱(3DGS)を共同で最適化する新しいフレームワークNeRF-GSを紹介する。 我々は、3DGSの設計を再考し、その空間的特徴をNeRFと漸進的に整合させ、共有された3次元空間情報を通して、両方の表現を同一シーン内で最適化することを可能にする。 ベンチマークデータセットによる実験結果から,NeRF-GSは既存の手法を超越し,最先端の性能を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 31.459790269584165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce NeRF-GS, a novel framework that jointly optimizes Neural Radiance Fields (NeRF) and 3D Gaussian Splatting (3DGS). This framework leverages the inherent continuous spatial representation of NeRF to mitigate several limitations of 3DGS, including sensitivity to Gaussian initialization, limited spatial awareness, and weak inter-Gaussian correlations, thereby enhancing its performance. In NeRF-GS, we revisit the design of 3DGS and progressively align its spatial features with NeRF, enabling both representations to be optimized within the same scene through shared 3D spatial information. We further address the formal distinctions between the two approaches by optimizing residual vectors for both implicit features and Gaussian positions to enhance the personalized capabilities of 3DGS. Experimental results on benchmark datasets show that NeRF-GS surpasses existing methods and achieves state-of-the-art performance. This outcome confirms that NeRF and 3DGS are complementary rather than competing, offering new insights into hybrid approaches that combine 3DGS and NeRF for efficient 3D scene representation.
• Abstract（参考訳）: 我々は,NeRF(Near Radiance Fields)と3D Gaussian Splatting(3DGS)を共同で最適化する新しいフレームワークNeRF-GSを紹介する。 このフレームワークは、NeRFの連続的な空間表現を利用して、ガウスの初期化に対する感受性、空間認識の制限、ガウス間相関の弱さなど、3DGSのいくつかの制限を緩和し、その性能を向上させる。 我々は,NeRF-GSにおいて3DGSの設計を再検討し,その空間的特徴をNeRFと漸進的に整合させ,両表現を共有空間情報により同一シーン内で最適化することを可能にする。 さらに、3DGSのパーソナライズ機能を高めるために、暗黙的特徴とガウス的位置の両方に対して残差ベクトルを最適化することで、2つのアプローチの形式的な区別に対処する。 ベンチマークデータセットによる実験結果から,NeRF-GSは既存の手法を超越し,最先端の性能を実現していることがわかった。 この結果、NeRFと3DGSは競合するよりも相補的であり、3DGSとNeRFを組み合わせて効率的な3Dシーン表現を行うハイブリッドアプローチに対する新たな洞察を提供する。

関連論文リスト

• 3DGabSplat: 3D Gabor Splatting for Frequency-adaptive Radiance Field Rendering [50.04967868036964]
  3D Gaussian Splatting(3DGS)は、高忠実なノベルビュー合成を維持しながらリアルタイムレンダリングを実現している。 複数方向の3次元周波数応答を持つ新規な3次元ガボルベースプリミティブを組み込んだ3次元ガボルスプレート(3DGabSplat)を提案する。 我々は3D以上の1.35dBRゲインを実現し、同時にプリミティブメモリ消費量を削減した。
  論文  参考訳（メタデータ） (2025-08-07T12:49:44Z)
• FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
  3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。 従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。 本稿では3DGSの弾性推論手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T17:17:57Z)
• 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)
• GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization [1.4466437171584356]
  軽量なXFeat特徴抽出器から高密度かつ堅牢なキーポイント記述器を3DGSに統合する2段階の手順を提案する。 第2段階では、レンダリングベースの光度ワープ損失を最小限に抑え、初期ポーズ推定を洗練させる。 広く使われている屋内および屋外データセットのベンチマークは、最近のニューラルレンダリングベースのローカライゼーション手法よりも改善されていることを示している。
  論文  参考訳（メタデータ） (2024-09-24T23:18:32Z)
• Implicit Gaussian Splatting with Efficient Multi-Level Tri-Plane Representation [45.582869951581785]
  Implicit Gaussian Splatting (IGS)は、明示的なポイントクラウドと暗黙的な機能埋め込みを統合する革新的なハイブリッドモデルである。 本稿では,空間正規化を具体化したレベルベースプログレッシブトレーニング手法を提案する。 我々のアルゴリズムは、数MBしか使用せず、ストレージ効率とレンダリング忠実さを効果的にバランスして、高品質なレンダリングを実現することができる。
  論文  参考訳（メタデータ） (2024-08-19T14:34:17Z)
• WildGaussians: 3D Gaussian Splatting in the Wild [80.5209105383932]
  3DGSによる閉塞や外見の変化に対処する新しいアプローチであるWildGaussiansを紹介した。 我々はWildGaussianが3DGSとNeRFのベースラインを越えながら3DGSのリアルタイムレンダリング速度と一致していることを示す。
  論文  参考訳（メタデータ） (2024-07-11T12:41:32Z)
• MotionGS : Compact Gaussian Splatting SLAM by Motion Filter [10.979138131565238]
  NeRFベースのSLAMは急増しているが、3DGSベースのSLAMは希薄である。 本稿では, 深部視覚特徴, 二重選択, 3DGSを融合した新しい3DGSベースのSLAM手法を提案する。
  論文  参考訳（メタデータ） (2024-05-18T00:47:29Z)
• 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)
• Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
  Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。 実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。 この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
  論文  参考訳（メタデータ） (2024-02-24T17:22:15Z)
• 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)

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。