論文の概要: A Survey on 3D Gaussian Splatting Applications: Segmentation, Editing, and Generation

• arxiv url: http://arxiv.org/abs/2508.09977v2
• Date: Fri, 22 Aug 2025 13:22:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 14:39:45.30553
• Title: A Survey on 3D Gaussian Splatting Applications: Segmentation, Editing, and Generation
• Title（参考訳）: 3次元ガウススプラッティングの応用に関する調査:セグメンテーション, 編集, 生成
• Authors: Shuting He, Peilin Ji, Yitong Yang, Changshuo Wang, Jiayi Ji, Yinglin Wang, Henghui Ding,
• Abstract要約: 3D Gaussian Splatting (3DGS)は3Dシーン表現のためのNeRF(Neural Radiance Fields)の強力な代替品として登場した。 このサーベイは、3DGSアプリケーションの最近の進歩を概観する。
• 参考スコア（独自算出の注目度）: 66.62489208150681
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has recently emerged as a powerful alternative to Neural Radiance Fields (NeRF) for 3D scene representation, offering high-fidelity photorealistic rendering with real-time performance. Beyond novel view synthesis, the explicit and compact nature of 3DGS enables a wide range of downstream applications that require geometric and semantic understanding. This survey provides a comprehensive overview of recent progress in 3DGS applications. It first introduces 2D foundation models that support semantic understanding and control in 3DGS applications, followed by a review of NeRF-based methods that inform their 3DGS counterparts. We then categorize 3DGS applications into segmentation, editing, generation, and other functional tasks. For each, we summarize representative methods, supervision strategies, and learning paradigms, highlighting shared design principles and emerging trends. Commonly used datasets and evaluation protocols are also summarized, along with comparative analyses of recent methods across public benchmarks. To support ongoing research and development, a continually updated repository of papers, code, and resources is maintained at https://github.com/heshuting555/Awesome-3DGS-Applications.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は3Dシーン表現のためのNeural Radiance Fields(NeRF)の強力な代替品として最近登場した。 新規なビュー合成以外にも、3DGSの明示的でコンパクトな性質は、幾何学的および意味論的理解を必要とする幅広い下流アプリケーションを可能にする。 このサーベイは、3DGSアプリケーションの最近の進歩を概観する。 まず、3DGSアプリケーションにおける意味的理解と制御をサポートする2D基盤モデルを紹介し、続いて3DGSアプリケーションに通知するNeRFベースの方法のレビューを行った。 次に、3DGSアプリケーションをセグメンテーション、編集、生成、その他の機能タスクに分類する。 それぞれに代表的手法、監督戦略、学習パラダイムを要約し、共有設計原則と新たなトレンドを強調します。 一般的に使用されるデータセットと評価プロトコルも、公開ベンチマークにおける最近の手法の比較分析とともに要約されている。 進行中の研究と開発をサポートするため、紙、コード、リソースの継続的に更新されたリポジトリはhttps://github.com/heshuting555/Awesome-3DGS-Applicationsで維持されている。

関連論文リスト

• GaussExplorer: 3D Gaussian Splatting for Embodied Exploration and Reasoning [55.826192239140596]
  GaussExplorerは3D Gaussian Splatting(3DGS)上に構築されたボディード探索と推論のためのフレームワークである 3DGS上に視覚言語モデル(VLM)を導入し、3Dシーン内で質問駆動探索と推論を可能にする。
  論文  参考訳（メタデータ） (2026-01-19T15:17:58Z)
• The Impact and Outlook of 3D Gaussian Splatting [5.202120869494439]
  本稿では,3DGS以降に現れたいくつかの重要な方向について概説する。 我々は、資源効率の高いトレーニングとレンダリングの実現、動的(または4次元の4DGS)表現への進化、およびその外観モデリングとレンダリングプロセスの基礎となる数学的基礎のより深い探索を強調する。 モバイルおよびバーチャルリアリティプラットフォームに3DGSを導入する取り組み、大規模環境への拡張、およびフィードフォワードや分散計算によるほぼインスタントなラディアンスフィールド再構築に向けた最近の進歩について検討する。
  論文  参考訳（メタデータ） (2025-10-30T17:01:18Z)
• ReferSplat: Referring Segmentation in 3D Gaussian Splatting [60.73702075842278]
  3次元ガウス散乱(R3DGS)を参照 Taskは、自然言語の記述に基づいて、ターゲットオブジェクトを3Dガウスシーンにセグメントすることを目的としている。 これらの課題に対処するため,自然言語表現を用いて3次元ガウス点を明示的にモデル化するフレームワークReferSplatを提案する。
  論文  参考訳（メタデータ） (2025-08-11T17:59:30Z)
• GS-2DGS: Geometrically Supervised 2DGS for Reflective Object Reconstruction [51.99776072246151]
  2次元ガウス散乱(2DGS)に基づく反射物体に対するGS-2DGSと呼ばれる新しい再構成法を提案する。 合成および実データを用いた実験結果から,本手法はガウスの手法を再現・啓蒙の面で著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-06-16T05:40:16Z)
• EG-Gaussian: Epipolar Geometry and Graph Network Enhanced 3D Gaussian Splatting [9.94641948288285]
  EG-Gaussianは3次元シーン再構成にエピポーラ幾何学とグラフネットワークを利用する。 提案手法は3DGS法と比較して再構成精度を著しく向上させる。
  論文  参考訳（メタデータ） (2025-04-18T08:10:39Z)
• Interpretable Single-View 3D Gaussian Splatting using Unsupervised Hierarchical Disentangled Representation Learning [46.85417907244265]
  本稿では,粗い3Dセマンティクスと微粒な3Dセマンティクスの両方を発見するために,3DisGSと呼ばれる解釈可能な単一ビュー3DGSフレームワークを提案する。 本モデルでは,高品質かつ高速な再構成を保ちながら3次元のアンタングル化を実現する。
  論文  参考訳（メタデータ） (2025-04-05T14:42:13Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• A Survey on 3D Gaussian Splatting [51.96747208581275]
  3D Gaussian splatting (GS) は、明示的な放射場とコンピュータグラフィックスの変換技術として登場した。 本稿では,3D GSの領域における最近の発展と重要な貢献について,初めて体系的に概説する。 前例のないレンダリング速度を実現することで、3D GSは、仮想現実からインタラクティブメディアなど、数多くのアプリケーションを開くことができる。
  論文  参考訳（メタデータ） (2024-01-08T13:42:59Z)

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。