論文の概要: Refining Gaussian Splatting: A Volumetric Densification Approach

• arxiv url: http://arxiv.org/abs/2508.05187v1
• Date: Thu, 07 Aug 2025 09:23:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.784044
• Title: Refining Gaussian Splatting: A Volumetric Densification Approach
• Title（参考訳）: ガウススプラッティングの精製 : ボリュームデンシフィケーションアプローチ
• Authors: Mohamed Abdul Gafoor, Marius Preda, Titus Zaharia,
• Abstract要約: 本稿では,各ガウス関数に付随する慣性量を利用して精製過程を導出する新しい密度制御法を提案する。 提案手法は3DGSを超越し,様々な場面で性能向上を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Achieving high-quality novel view synthesis in 3D Gaussian Splatting (3DGS) often depends on effective point primitive management. The underlying Adaptive Density Control (ADC) process addresses this issue by automating densification and pruning. Yet, the vanilla 3DGS densification strategy shows key shortcomings. To address this issue, in this paper we introduce a novel density control method, which exploits the volumes of inertia associated to each Gaussian function to guide the refinement process. Furthermore, we study the effect of both traditional Structure from Motion (SfM) and Deep Image Matching (DIM) methods for point cloud initialization. Extensive experimental evaluations on the Mip-NeRF 360 dataset demonstrate that our approach surpasses 3DGS in reconstruction quality, delivering encouraging performance across diverse scenes.
• Abstract（参考訳）: 3Dガウススプラッティング(3DGS)における高品質な新規視点合成の実現は、しばしば有効点原始的管理に依存している。 根底にある適応密度制御(ADC)プロセスは、デンシフィケーションとプルーニングを自動化することでこの問題に対処する。 しかし、バニラ3DGSのデシフィケーション戦略は重要な欠点を示している。 そこで本研究では,各ガウス関数に付随する慣性量を利用した新しい密度制御手法を提案する。 さらに,従来の動き構造 (SfM) と深部画像マッチング (DIM) が点雲初期化に与える影響について検討した。 Mip-NeRF 360データセットの大規模な実験結果から,本手法は3DGSを超える再現性を示し,様々な場面で高い性能を実現している。

関連論文リスト

• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• GP-GS: Gaussian Processes for Enhanced Gaussian Splatting [15.263608848427136]
  本稿では,新しい3次元再構成フレームワークであるGaussian Processes enhanced Gaussian Splatting (GP-GS)を提案する。 GP-GSはスパース構造-運動点雲の適応的および不確実性誘導密度化を可能にする。 合成および実世界のデータセットで行った実験は、提案フレームワークの有効性と実用性を検証する。
  論文  参考訳（メタデータ） (2025-02-04T12:50:16Z)
• ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
  そこで我々は, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。 我々のアプローチは、詳細を適応的に検索し、欠落した幾何学を補完することができる。
  論文  参考訳（メタデータ） (2024-12-10T13:19:27Z)
• MVG-Splatting: Multi-View Guided Gaussian Splatting with Adaptive Quantile-Based Geometric Consistency Densification [8.099621725105857]
  マルチビューを考慮したソリューションであるMVG-Splattingを紹介する。 付加的な密度化のレベルを動的に決定する適応的量子化法を提案する。 このアプローチは3次元再構成プロセス全体の忠実度と精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-07-16T15:24:01Z)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)
• Revising Densification in Gaussian Splatting [23.037676471903215]
  本稿では,3DGSにおける密度制御のための画素エラー駆動型定式化について述べる。 我々のアプローチは、メソッドの効率を犠牲にすることなく、様々なベンチマークシーンで一貫した品質改善をもたらす。
  論文  参考訳（メタデータ） (2024-04-09T08:20:37Z)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。