論文の概要: Novel View Synthesis with Gaussian Splatting: Impact on Photogrammetry Model Accuracy and Resolution

• arxiv url: http://arxiv.org/abs/2508.07483v1
• Date: Sun, 10 Aug 2025 20:57:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.874458
• Title: Novel View Synthesis with Gaussian Splatting: Impact on Photogrammetry Model Accuracy and Resolution
• Title（参考訳）: ガウススプラッティングによる新しいビュー合成:光度モデル精度と分解能への影響
• Authors: Pranav Chougule,
• Abstract要約: 実世界のシーンから画像のデータセットを作成し、両方の方法で3Dモデルを構築しました。 構造類似度指数(SSIM)、ピーク信号対雑音比(PSNR)、学習画像パッチ類似度(LPIPS)、USAF解像度チャートに基づくlp/mm解像度を用いたモデルを比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, I present a comprehensive study comparing Photogrammetry and Gaussian Splatting techniques for 3D model reconstruction and view synthesis. I created a dataset of images from a real-world scene and constructed 3D models using both methods. To evaluate the performance, I compared the models using structural similarity index (SSIM), peak signal-to-noise ratio (PSNR), learned perceptual image patch similarity (LPIPS), and lp/mm resolution based on the USAF resolution chart. A significant contribution of this work is the development of a modified Gaussian Splatting repository, which I forked and enhanced to enable rendering images from novel camera poses generated in the Blender environment. This innovation allows for the synthesis of high-quality novel views, showcasing the flexibility and potential of Gaussian Splatting. My investigation extends to an augmented dataset that includes both original ground images and novel views synthesized via Gaussian Splatting. This augmented dataset was employed to generate a new photogrammetry model, which was then compared against the original photogrammetry model created using only the original images. The results demonstrate the efficacy of using Gaussian Splatting to generate novel high-quality views and its potential to improve photogrammetry-based 3D reconstructions. The comparative analysis highlights the strengths and limitations of both approaches, providing valuable information for applications in extended reality (XR), photogrammetry, and autonomous vehicle simulations. Code is available at https://github.com/pranavc2255/gaussian-splatting-novel-view-render.git.
• Abstract（参考訳）: 本稿では,3次元モデル再構成とビュー合成のためのフォトグラムメトリーとガウススプラッティング技術を比較した総合的研究を行う。 実世界のシーンから画像のデータセットを作成し、両方の方法で3Dモデルを構築しました。 その性能を評価するために,SSIM,PSNR,LPIPS,USAF解像度チャートに基づくlp/mm解像度を用いたモデルを比較した。 この研究の重要な貢献は、Blender環境で生成された新しいカメラのポーズから画像のレンダリングを可能にするために、私がフォークして拡張したガウシアン・スプレイティング・レポジトリの開発である。 この革新により、高品質なノベルビューの合成が可能となり、ガウススプラッティングの柔軟性とポテンシャルが示される。 私の調査は、Gaussian Splattingを通じて合成されたオリジナルの地上画像と新しいビューの両方を含む拡張データセットまで拡張しています。 この拡張データセットを使用して、新しいフォトグラムモデルを生成し、元の画像のみを使用して生成された元のフォトグラムモデルと比較した。 その結果,ガウシアン・スプラッティングによる新しい高品質な視点の創出の有効性が示され,フォトグラメトリーによる3D再構築の可能性も示された。 比較分析は、両方のアプローチの長所と短所を強調し、拡張現実(XR)、フォトグラム、自動運転車シミュレーションなどのアプリケーションに貴重な情報を提供する。 コードはhttps://github.com/pranavc2255/gaussian-splatting-novel-view-render.gitで公開されている。

関連論文リスト

• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• RoGSplat: Learning Robust Generalizable Human Gaussian Splatting from Sparse Multi-View Images [39.03889696169877]
  RoGSplatは、スパースマルチビュー画像から見えない人間の高忠実な新しいビューを合成するための新しいアプローチである。 提案手法は,新しいビュー合成とクロスデータセットの一般化において,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-03-18T12:18:34Z)
• SEGS-SLAM: Structure-enhanced 3D Gaussian Splatting SLAM with Appearance Embedding [11.512986158947733]
  3次元ガウススプラッティング(3D-GS)は、最近、同時局在化とマッピング問題において、新しいビュー合成に革命をもたらした。 本稿では,高品質な光写実性マッピングを実現する3次元ガウス散乱SLAMのSEGS-SLAMを提案する。
  論文  参考訳（メタデータ） (2025-01-09T13:50:26Z)
• 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)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• 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)
• HiSplat: Hierarchical 3D Gaussian Splatting for Generalizable Sparse-View Reconstruction [46.269350101349715]
  HiSplatは、一般化可能な3Dガウススプラッティングのための新しいフレームワークである。 階層的な3Dガウスを粗大な戦略で生成する。 これにより、再構築品質とデータセット間の一般化が大幅に向上する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:32Z)
• GVA: Reconstructing Vivid 3D Gaussian Avatars from Monocular Videos [56.40776739573832]
  モノクロビデオ入力(GVA)から鮮明な3Dガウスアバターの作成を容易にする新しい手法を提案する。 私たちのイノベーションは、高忠実な人体再構築を実現するという、複雑な課題に対処することにあります。 通常の地図とシルエットを整列させて手足のポーズ精度を向上させるためにポーズ改善手法を提案する。
  論文  参考訳（メタデータ） (2024-02-26T14:40:15Z)

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。