論文の概要: AD-GS: Alternating Densification for Sparse-Input 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2509.11003v2
• Date: Mon, 22 Sep 2025 12:25:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 14:36:45.616825
• Title: AD-GS: Alternating Densification for Sparse-Input 3D Gaussian Splatting
• Title（参考訳）: AD-GS: スパース入力型3次元ガウス平滑化のための交互デンシフィケーション
• Authors: Gurutva Patle, Nilay Girgaonkar, Nagabhushan Somraj, Rajiv Soundararajan,
• Abstract要約: 3次元ガウススプラッティング(3DGS)は、リアルタイムの新規なビュー合成において印象的な結果を示した。 重要な寄与要因は非制御の密度化であり、誘導なしで素粒子を迅速に加えると、幾何学に害を与え、アーティファクトを引き起こす可能性がある。 高密度・低密度化相をインターリーブする新しい交互デンシフィケーションフレームワークAD-GSを提案する。
• 参考スコア（独自算出の注目度）: 6.696418686121452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has shown impressive results in real-time novel view synthesis. However, it often struggles under sparse-view settings, producing undesirable artifacts such as floaters, inaccurate geometry, and overfitting due to limited observations. We find that a key contributing factor is uncontrolled densification, where adding Gaussian primitives rapidly without guidance can harm geometry and cause artifacts. We propose AD-GS, a novel alternating densification framework that interleaves high and low densification phases. During high densification, the model densifies aggressively, followed by photometric loss based training to capture fine-grained scene details. Low densification then primarily involves aggressive opacity pruning of Gaussians followed by regularizing their geometry through pseudo-view consistency and edge-aware depth smoothness. This alternating approach helps reduce overfitting by carefully controlling model capacity growth while progressively refining the scene representation. Extensive experiments on challenging datasets demonstrate that AD-GS significantly improves rendering quality and geometric consistency compared to existing methods. The source code for our model can be found on our project page: https://gurutvapatle.github.io/publications/2025/ADGS.html .
• Abstract（参考訳）: 3次元ガウススプラッティング(3DGS)は、リアルタイムの新規なビュー合成において印象的な結果を示した。 しかし、しばしば希少な視野で苦労し、フローター、不正確な幾何学、限られた観測のために過度に適合するといった望ましくない人工物を生み出した。 ガウス原始体を指導なしで素早く加えると、幾何学に害を与え、アーティファクトを引き起こすことができる。 我々は,高密度化と低密度化の相をインターリーブする新しい交互デンシフィケーションフレームワークAD-GSを提案する。 高密度化中、モデルは積極的に密度を増し、続いて光度損失に基づくトレーニングを行い、きめ細かいシーンの詳細を捉える。 低密度化は、主にガウスの攻撃的な不透明プルーニングを伴い、続いて擬視の一貫性とエッジ認識の深さの滑らかさを通じてそれらの幾何学を規則化する。 この交互アプローチは、シーン表現を徐々に洗練しながら、モデルキャパシティの増大を慎重に制御することで、過度な適合を減らすのに役立ちます。 挑戦的なデータセットに関する大規模な実験は、AD-GSが既存の手法に比べてレンダリング品質と幾何的一貫性を著しく改善していることを示している。 私たちのモデルのソースコードは、プロジェクトのページで確認できます。

関連論文リスト

• Improving Densification in 3D Gaussian Splatting for High-Fidelity Rendering [3.6379656024631215]
  本稿では3DGSの密度化パイプラインを網羅的に改善する。 具体的には,分割候補のガウスを効果的に選択するエッジ・アウェアスコアを提案する。 また,クローンと分割操作によって生じる幾何学的歪みを低減させるLong-Axis Split戦略を導入する。
  論文  参考訳（メタデータ） (2025-08-17T10:13:21Z)
• DET-GS: Depth- and Edge-Aware Regularization for High-Fidelity 3D Gaussian Splatting [5.759434800012218]
  3D Gaussian Splatting (3DGS) は、効率的かつ高忠実な新規なビュー合成の分野において重要な進歩を示している。 既存の手法はしばしば非局所的な深さ正規化に依存しており、微細な構造を捉えることができない。 本稿では,3次元ガウス平滑化のための深度とエッジ認識の統一正規化フレームワークであるDET-GSを提案する。
  論文  参考訳（メタデータ） (2025-08-06T05:37:26Z)
• 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)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
  そこで我々は, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。 我々のアプローチは、詳細を適応的に検索し、欠落した幾何学を補完することができる。
  論文  参考訳（メタデータ） (2024-12-10T13:19:27Z)
• CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes [53.107474952492396]
  CityGaussianV2は大規模なシーン再構築のための新しいアプローチである。 分解段階の密度化・深さ回帰手法を実装し, ぼやけたアーチファクトを除去し, 収束を加速する。 本手法は, 視覚的品質, 幾何学的精度, ストレージ, トレーニングコストの両立を図っている。
  論文  参考訳（メタデータ） (2024-11-01T17:59:31Z)
• AbsGS: Recovering Fine Details for 3D Gaussian Splatting [10.458776364195796]
  3D Gaussian Splatting (3D-GS) 技術は3Dプリミティブを相違可能なガウス化と組み合わせて高品質な新規ビュー結果を得る。 しかし、3D-GSは、高頻度の詳細を含む複雑なシーンで過度に再構成の問題に悩まされ、ぼやけた描画画像に繋がる。 本稿では,前述の人工物,すなわち勾配衝突の原因を包括的に分析する。 我々の戦略は過度に再構成された地域のガウス人を効果的に同定し、分割して細部を復元する。
  論文  参考訳（メタデータ） (2024-04-16T11:44:12Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。