論文の概要: GAP: Gaussianize Any Point Clouds with Text Guidance

• arxiv url: http://arxiv.org/abs/2508.05631v1
• Date: Thu, 07 Aug 2025 17:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.989747
• Title: GAP: Gaussianize Any Point Clouds with Text Guidance
• Title（参考訳）: GAP: テキストガイダンスによる任意のポイントクラウドのガウシアン化
• Authors: Weiqi Zhang, Junsheng Zhou, Haotian Geng, Wenyuan Zhang, Yu-Shen Liu,
• Abstract要約: 我々は,原点雲を高忠実度3Dガウスにガウシアン化する新しい手法であるGAPを提案する。 幾何学的精度を確保するため,3次元形状の表面上にガウスを効果的に拘束する表面アンチョリング機構を導入する。 我々は,合成点雲から実世界のスキャン,さらには大規模シーンに至るまで,様々な複雑さレベルにおいて,ポイント・ツー・ガウス生成タスクにおけるGAPを評価した。
• 参考スコア（独自算出の注目度）: 29.002390913738203
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has demonstrated its advantages in achieving fast and high-quality rendering. As point clouds serve as a widely-used and easily accessible form of 3D representation, bridging the gap between point clouds and Gaussians becomes increasingly important. Recent studies have explored how to convert the colored points into Gaussians, but directly generating Gaussians from colorless 3D point clouds remains an unsolved challenge. In this paper, we propose GAP, a novel approach that gaussianizes raw point clouds into high-fidelity 3D Gaussians with text guidance. Our key idea is to design a multi-view optimization framework that leverages a depth-aware image diffusion model to synthesize consistent appearances across different viewpoints. To ensure geometric accuracy, we introduce a surface-anchoring mechanism that effectively constrains Gaussians to lie on the surfaces of 3D shapes during optimization. Furthermore, GAP incorporates a diffuse-based inpainting strategy that specifically targets at completing hard-to-observe regions. We evaluate GAP on the Point-to-Gaussian generation task across varying complexity levels, from synthetic point clouds to challenging real-world scans, and even large-scale scenes. Project Page: https://weiqi-zhang.github.io/GAP.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、高速かつ高品質なレンダリングを実現する上で、その利点を実証している。 点雲が広く利用され、容易にアクセスできる3D表現の形態として機能するため、点雲とガウスの間のギャップを埋めることがますます重要になる。 最近の研究では、色のついた点をガウシアンに変換する方法が研究されているが、無色の3D点雲から直接ガウシアンを生成することは未解決の課題である。 本稿では,原点雲を高忠実度3Dガウスにガウシアン化する新しい手法であるGAPを提案する。 我々のキーとなる考え方は、深度認識画像拡散モデルを利用して、異なる視点で一貫した外観を合成する多視点最適化フレームワークを設計することである。 幾何的精度を確保するために,最適化時にガウスが3次元形状の表面上に横たわることを効果的に制約する表面アンチョリング機構を導入する。 さらに、GAPは拡散性ベースの塗布戦略を取り入れており、特に可観測領域の完成を目標としている。 我々は,合成点雲から実世界のスキャン,さらには大規模シーンに至るまで,様々な複雑さレベルにおいて,ポイント・ツー・ガウス生成タスクにおけるGAPを評価した。 プロジェクトページ: https://weiqi-zhang.github.io/GAP。

関連論文リスト

• PointGS: Point Attention-Aware Sparse View Synthesis with Gaussian Splatting [4.451779041553596]
  3D Gaussian splatting (3DGS) は、レンダリング速度と視覚品質の両方において、ニューラル放射場(NeRF)を超える革新的なレンダリング技術である。 本稿では,スパーストレーニングビューからリアルタイムかつ高品質なレンダリングを可能にするポイントワイズ特徴認識型ガウス分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-12T04:07:07Z)
• 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)
• 3DGS-to-PC: Convert a 3D Gaussian Splatting Scene into a Dense Point Cloud or Mesh [0.552480439325792]
  3DGS-to-PCは、3DGSのシーンを高密度で高精度な点雲に変換することができる。 このパッケージは非常にカスタマイズ可能で、既存の3DGSパイプラインに簡単に統合できる。
  論文  参考訳（メタデータ） (2025-01-13T16:52:28Z)
• GaussianPainter: Painting Point Cloud into 3D Gaussians with Normal Guidance [43.97159590077809]
  本稿では,3次元ガウス空間に点雲を描画する最初の手法であるガウス空間について紹介する。 本手法は3次元ガウススプラッティングのパラメータ空間に固有の非特異性問題に対処する。
  論文  参考訳（メタデータ） (2024-12-23T16:45:37Z)
• NovelGS: Consistent Novel-view Denoising via Large Gaussian Reconstruction Model [57.92709692193132]
  NovelGSは、スパースビュー画像が与えられたガウススプラッティングの拡散モデルである。 我々は3Dガウスを生成するためにトランスフォーマーネットワークを経由する新しい視点を利用する。
  論文  参考訳（メタデータ） (2024-11-25T07:57:17Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
  ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。 この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
  論文  参考訳（メタデータ） (2024-03-15T14:35:05Z)
• 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)
• FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
  本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。 このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-01T09:30:02Z)
• NeuSG: Neural Implicit Surface Reconstruction with 3D Gaussian Splatting Guidance [48.72360034876566]
  本稿では,3次元ガウススプラッティングから高精細な表面を復元する神経暗黙的表面再構成パイプラインを提案する。 3Dガウススプラッティングの利点は、詳細な構造を持つ高密度の点雲を生成することができることである。 我々は3次元ガウスを極端に薄くすることで、表面に近い中心を引っ張るスケール正則化器を導入する。
  論文  参考訳（メタデータ） (2023-12-01T07:04:47Z)

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。