論文の概要: ARGS: Advanced Regularization on Aligning Gaussians over the Surface

• arxiv url: http://arxiv.org/abs/2508.21344v1
• Date: Fri, 29 Aug 2025 06:05:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.933563
• Title: ARGS: Advanced Regularization on Aligning Gaussians over the Surface
• Title（参考訳）: ARGS: 表面上のガウスの配向に関する高度な正規化
• Authors: Jeong Uk Lee, Sung Hee Choi,
• Abstract要約: この研究はSuGaR上に2つの補完的な正規化戦略を導入することで構築されている。 最初の戦略は、ガウス原始構造に関する最近の研究によって動機付けられた効果的なランク正則化を導入する。 第2の戦略は、ニューラルサイン付き距離関数を最適化プロセスに統合する。
• 参考スコア（独自算出の注目度）: 1.1172382217477126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing high-quality 3D meshes and visuals from 3D Gaussian Splatting(3DGS) still remains a central challenge in computer graphics. Although existing models such as SuGaR offer effective solutions for rendering, there is is still room to improve improve both visual fidelity and scene consistency. This work builds upon SuGaR by introducing two complementary regularization strategies that address common limitations in both the shape of individual Gaussians and the coherence of the overall surface. The first strategy introduces an effective rank regularization, motivated by recent studies on Gaussian primitive structures. This regularization discourages extreme anisotropy-specifically, "needle-like" shapes-by favoring more balanced, "disk-like" forms that are better suited for stable surface reconstruction. The second strategy integrates a neural Signed Distance Function (SDF) into the optimization process. The SDF is regularized with an Eikonal loss to maintain proper distance properties and provides a continuous global surface prior, guiding Gaussians toward better alignment with the underlying geometry. These two regularizations aim to improve both the fidelity of individual Gaussian primitives and their collective surface behavior. The final model can make more accurate and coherent visuals from 3DGS data.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)から高品質な3Dメッシュとビジュアルを再構築することは、コンピュータグラフィックスにおいて依然として中心的な課題である。 SuGaRのような既存のモデルはレンダリングに効果的なソリューションを提供するが、視覚的忠実度とシーンの一貫性の両方を改善する余地はある。 この研究は、個々のガウスの形状と全体表面のコヒーレンスの両方の共通極限に対処する2つの相補正規化戦略を導入することでSuGaRの上に構築される。 最初の戦略は、ガウス原始構造に関する最近の研究によって動機付けられた効果的なランク正則化を導入する。 この正則化は、極端に異方性に特有な "needle-like" な形状を、よりバランスのとれた "disk-like" な形にすることで、安定な表面再構成に適するようにする。 第2の戦略では、最適化プロセスにニューラルサイン付き距離関数(SDF)を統合する。 SDFは、適切な距離特性を維持するためにアイコンの損失で正規化され、ガウスを基礎となる幾何学との整合性に導く、連続した大域的な表面を提供する。 これらの2つの正規化は、個々のガウス原始体の忠実度とそれらの集合的表面挙動の両方を改善することを目的としている。 最後のモデルは、3DGSデータからより正確でコヒーレントなビジュアルを作ることができる。

関連論文リスト

• Gaussian Set Surface Reconstruction through Per-Gaussian Optimization [9.451254271017767]
  3D Gaussian Splatting (3DGS)は、フレキシブルな表現を通して、斬新なビューを効果的に合成するが、シーン幾何学を正確に再構築することができない。 本稿では,ガウス集合表面再構成法(GSSR)を提案する。これは,ガウス集合表面を静止面に沿って均等に分配し,支配的な正規値と表面正規値とを整列させる手法である。 GSSRは画素レベルとガウスレベルの単視正規整合と多視光度整合を組み合わせることで、微細な幾何学的アライメントを強制する。
  論文  参考訳（メタデータ） (2025-07-25T03:31:47Z)
• 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)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• Effective Rank Analysis and Regularization for Enhanced 3D Gaussian Splatting [33.01987451251659]
  3D Gaussian Splatting(3DGS)は、高品質な3D再構成によるリアルタイムレンダリングが可能な有望な技術として登場した。 その可能性にもかかわらず、3DGSは針状アーティファクト、準最適ジオメトリー、不正確な正常といった課題に遭遇する。 正規化として有効ランクを導入し、ガウスの構造を制約する。
  論文  参考訳（メタデータ） (2024-06-17T15:51:59Z)
• 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)

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。