論文の概要: RayletDF: Raylet Distance Fields for Generalizable 3D Surface Reconstruction from Point Clouds or Gaussians

• arxiv url: http://arxiv.org/abs/2508.09830v1
• Date: Wed, 13 Aug 2025 14:05:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.921098
• Title: RayletDF: Raylet Distance Fields for Generalizable 3D Surface Reconstruction from Point Clouds or Gaussians
• Title（参考訳）: RayletDF: 点雲やガウスの3次元表面再構成のためのレイレット距離場
• Authors: Shenxing Wei, Jinxi Li, Yafei Yang, Siyuan Zhou, Bo Yang,
• Abstract要約: RGB画像からの3DGSによる原点雲や事前推定3次元ガウシアンからの3次元表面再構成法を提案する。 明示的な曲面を描画する際にしばしば計算集約的な既存の座標ベースの手法とは異なり、提案手法はレイレット距離場と呼ばれる新しい手法を導入している。 本手法は異常な一般化能力を実現し,テスト中の未知のデータセットにまたがる単一前方通過における3次元表面の復元に成功している。
• 参考スコア（独自算出の注目度）: 13.446448045482176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a generalizable method for 3D surface reconstruction from raw point clouds or pre-estimated 3D Gaussians by 3DGS from RGB images. Unlike existing coordinate-based methods which are often computationally intensive when rendering explicit surfaces, our proposed method, named RayletDF, introduces a new technique called raylet distance field, which aims to directly predict surface points from query rays. Our pipeline consists of three key modules: a raylet feature extractor, a raylet distance field predictor, and a multi-raylet blender. These components work together to extract fine-grained local geometric features, predict raylet distances, and aggregate multiple predictions to reconstruct precise surface points. We extensively evaluate our method on multiple public real-world datasets, demonstrating superior performance in surface reconstruction from point clouds or 3D Gaussians. Most notably, our method achieves exceptional generalization ability, successfully recovering 3D surfaces in a single-forward pass across unseen datasets in testing.
• Abstract（参考訳）: 本稿では,RGB画像からの3DGSによる原点雲や事前推定3次元ガウシアンからの3次元表面再構成法を提案する。 明示的な曲面を描画する際にしばしば計算集約される既存の座標ベースの手法とは異なり,提案手法はレイレット距離場(raylet distance field)と呼ばれる新しい手法を導入し,問合せ線から表面点を直接予測する。 パイプラインは, レイレット特徴抽出器, レーレット距離場予測器, マルチレーレットブレンダーの3つの主要モジュールから構成される。 これらの成分は、きめ細かい局所幾何学的特徴を抽出し、レイレット距離を予測し、複数の予測を集約して正確な表面点を再構成する。 提案手法を複数のパブリックな実世界のデータセット上で広範囲に評価し,点雲や3次元ガウスからの表面再構成において優れた性能を示す。 最も顕著なのは,本手法が異常な一般化能力を実現し,テスト中の未知のデータセットにまたがる単一前方通過における3次元表面の復元に成功した点である。

関連論文リスト

• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [84.07233691641193]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• GS-Octree: Octree-based 3D Gaussian Splatting for Robust Object-level 3D Reconstruction Under Strong Lighting [4.255847344539736]
  我々はオクツリーに基づく暗黙的な表面表現とガウススプラッティングを組み合わせた新しいアプローチを導入する。 SDFによる3次元ガウス分布を利用した本手法は,特に高輝度光による特徴強調画像において,より正確な形状を再構成する。
  論文  参考訳（メタデータ） (2024-06-26T09:29:56Z)
• Normal-guided Detail-Preserving Neural Implicit Function for High-Fidelity 3D Surface Reconstruction [6.4279213810512665]
  本稿では,1次微分特性(表面正規度)を持つニューラル表現のトレーニングが,高精度な3次元表面再構成をもたらすことを示す。 実験により,本手法は最小限の視点で最先端の復元精度を達成できることが実証された。
  論文  参考訳（メタデータ） (2024-06-07T11:48:47Z)
• 3D Neural Edge Reconstruction [61.10201396044153]
  本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。 多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。 この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T17:23:51Z)
• 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)
• GIR: 3D Gaussian Inverse Rendering for Relightable Scene Factorization [62.13932669494098]
  本稿では,3次元ガウス表現を用いた3次元ガウス逆レンダリング(GIR)手法を提案する。 最短固有ベクトルを用いて各3次元ガウスの正規性を計算する。 我々は3次元ガウシアン毎に方向対応の放射光を格納し、多重バウンス光輸送を近似するために二次照明をアンタングルするために、効率的なボクセルベースの間接照明追跡方式を採用する。
  論文  参考訳（メタデータ） (2023-12-08T16:05:15Z)
• 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)
• RayDF: Neural Ray-surface Distance Fields with Multi-view Consistency [10.55497978011315]
  我々は、レイベースニューラルネットワークとして3次元形状を定式化するためのRayDFと呼ばれる新しいフレームワークを提案する。 本手法は,800×800の深度画像を描画する座標法よりも1000倍高速な高速化を実現する。
  論文  参考訳（メタデータ） (2023-10-30T15:22:50Z)

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。