論文の概要: Fiducial Marker Splatting for High-Fidelity Robotics Simulations
- arxiv url: http://arxiv.org/abs/2508.17012v1
- Date: Sat, 23 Aug 2025 12:53:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.299596
- Title: Fiducial Marker Splatting for High-Fidelity Robotics Simulations
- Title（参考訳）: 高忠実度ロボットシミュレーションのためのフィデューシャルマーカースプレイティング
- Authors: Diram Tabaa, Gianni Di Caro,
- Abstract要約: 高忠実度3Dシミュレーションは移動ロボットの訓練に不可欠である。
ガウススプラッティング(GS)のような最近のニューラルレンダリング手法は目覚ましい視覚的リアリズムを実現するが、フィデューシャルマーカーを組み込む柔軟性は欠如している。
本稿では,GSのフォトリアリズムと構造化マーカー表現を組み合わせたハイブリッドフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.6875312133832078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-fidelity 3D simulation is critical for training mobile robots, but its traditional reliance on mesh-based representations often struggle in complex environments, such as densely packed greenhouses featuring occlusions and repetitive structures. Recent neural rendering methods, like Gaussian Splatting (GS), achieve remarkable visual realism but lack flexibility to incorporate fiducial markers, which are essential for robotic localization and control. We propose a hybrid framework that combines the photorealism of GS with structured marker representations. Our core contribution is a novel algorithm for efficiently generating GS-based fiducial markers (e.g., AprilTags) within cluttered scenes. Experiments show that our approach outperforms traditional image-fitting techniques in both efficiency and pose-estimation accuracy. We further demonstrate the framework's potential in a greenhouse simulation. This agricultural setting serves as a challenging testbed, as its combination of dense foliage, similar-looking elements, and occlusions pushes the limits of perception, thereby highlighting the framework's value for real-world applications.
- Abstract（参考訳）: 高忠実度3Dシミュレーションは、移動ロボットの訓練には不可欠だが、メッシュベースの表現への依存は、密集した温室や繰り返し構造など、複雑な環境に苦しむことが多い。
ガウススプラッティング(GS)のような最近のニューラルレンダリング手法は、目覚ましい視覚的リアリズムを実現するが、ロボットのローカライゼーションと制御に不可欠なフィデューシャルマーカーを組み込む柔軟性に欠ける。
本稿では,GSのフォトリアリズムと構造化マーカー表現を組み合わせたハイブリッドフレームワークを提案する。
我々のコアコントリビューションは、散らばったシーン内でGSベースのフィデューシャルマーカー(例: AprilTags)を効率的に生成するための新しいアルゴリズムである。
実験の結果,提案手法は効率とポーズ推定精度の両方において従来の画像適合技術より優れていた。
温室効果ガスシミュレーションにおけるフレームワークの可能性をさらに実証する。
この農業環境は、密集した葉、類似した外観の要素、およびオクルージョンの組み合わせが知覚の限界を押し上げ、現実世界のアプリケーションに対するフレームワークの価値を強調しているため、困難なテストベッドとして機能する。
関連論文リスト
- DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - Computer vision training dataset generation for robotic environments using Gaussian splatting [0.0]
本稿では,ロボット環境におけるコンピュータビジョンタスクのための大規模かつ現実的で,自動的にラベル付けされたデータセットを生成するための新しいパイプラインを提案する。
我々は3Dガウススプラッティング(3DGS)を利用して、運用環境とオブジェクトの光リアル表現を作成する。
新たな2パスレンダリング技術は、スプレートのリアリズムと、プロキシメッシュから生成されたシャドウマップを組み合わせる。
画素完全セグメンテーションマスクは自動的に生成され、YOLOのようなオブジェクト検出モデルで直接使用するためにフォーマットされる。
論文 参考訳（メタデータ） (2025-12-15T15:00:17Z) - GS-Verse: Mesh-based Gaussian Splatting for Physics-aware Interaction in Virtual Reality [1.2271175670122132]
バーチャルリアリティ(VR)内の3Dコンテンツを物理的に操作する現在の技術は、しばしば重大な制限に直面している。
GS-Verseは、オブジェクトのメッシュをガウススプティング表現と直接統合することで、これらの課題を克服する新しい手法である。
私たちのシステムは物理工学に依存しないように設計されており、開発者に堅牢なデプロイメントの柔軟性を与えます。
論文 参考訳（メタデータ） (2025-10-13T19:36:47Z) - ARTDECO: Towards Efficient and High-Fidelity On-the-Fly 3D Reconstruction with Structured Scene Representation [44.75113949778924]
ARTDECOは、フィードフォワードモデルの効率とSLAMベースのパイプラインの信頼性を組み合わせた統合フレームワークである。
ARTDECOはSLAMに匹敵するインタラクティブな性能、フィードフォワードシステムに類似した堅牢性、シーンごとの最適化に近い再現品質を提供する。
論文 参考訳（メタデータ） (2025-10-09T17:57:38Z) - SPHERE: Semantic-PHysical Engaged REpresentation for 3D Semantic Scene Completion [52.959716866316604]
カメラベース3Dセマンティックシーンコンプリート(SSC)は自動運転システムにおいて重要な課題である。
本稿では,SPHERE (Semantic-PHysical Engaged Representation) を提案する。
SPHEREは、意味情報と物理的情報の共同利用のためのボクセルとガウス表現を統合している。
論文 参考訳（メタデータ） (2025-09-14T09:07:41Z) - 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) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。
提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。
2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2025-04-28T01:21:35Z) - SweepEvGS: Event-Based 3D Gaussian Splatting for Macro and Micro Radiance Field Rendering from a Single Sweep [48.34647667445792]
SweepEvGSは、イベントカメラを活用して、単一のスイープから堅牢で正確な新しいビュー合成を行う、新しいハードウェア統合手法である。
SweepEvGSの強靭性と効率性は,3つの異なる画像環境における実験により検証した。
以上の結果から,SweepEvGSは視覚的レンダリング品質,レンダリング速度,計算効率において,既存の手法を超越していることがわかった。
論文 参考訳（メタデータ） (2024-12-16T09:09:42Z) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [73.49548565633123]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
本稿では,3次元ガウス・スプレイティング(MCGS)に基づくビュー・フレームワークを提案し,スパークス・インプット・ビューからシーンを再構築する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z)
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。