論文の概要: OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2509.24308v1
• Date: Mon, 29 Sep 2025 05:43:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.769242
• Title: OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction
• Title（参考訳）: OMeGa:ロバストなシーンレベル表面再構成のための明示的メッシュとガウススプラットの併用最適化
• Authors: Yuhang Cao, Haojun Yan, Danya Yao,
• Abstract要約: OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。 OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 10.746979229164815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural rendering with Gaussian splatting has advanced novel view synthesis, and most methods reconstruct surfaces via post-hoc mesh extraction. However, existing methods suffer from two limitations: (i) inaccurate geometry in texture-less indoor regions, and (ii) the decoupling of mesh extraction from optimization, thereby missing the opportunity to leverage mesh geometry to guide splat optimization. In this paper, we present OMeGa, an end-to-end framework that jointly optimizes an explicit triangle mesh and 2D Gaussian splats via a flexible binding strategy, where spatial attributes of Gaussian Splats are expressed in the mesh frame and texture attributes are retained on splats. To further improve reconstruction accuracy, we integrate mesh constraints and monocular normal supervision into the optimization, thereby regularizing geometry learning. In addition, we propose a heuristic, iterative mesh-refinement strategy that splits high-error faces and prunes unreliable ones to further improve the detail and accuracy of the reconstructed mesh. OMeGa achieves state-of-the-art performance on challenging indoor reconstruction benchmarks, reducing Chamfer-$L_1$ by 47.3\% over the 2DGS baseline while maintaining competitive novel-view rendering quality. The experimental results demonstrate that OMeGa effectively addresses prior limitations in indoor texture-less reconstruction.
• Abstract（参考訳）: ガウススプラッティングによるニューラルレンダリングは、新しいビュー合成を進化させ、ほとんどの手法はポストホックメッシュ抽出によって表面を再構成する。 しかし、既存の方法には2つの制限がある。 一 テクスチャのない屋内地域での不正確な幾何学 (II)メッシュ抽出の最適化からの切り離しにより、メッシュ幾何を利用してスプラット最適化を導く機会が失われる。 本稿では,メッシュフレームにガウススプレートの空間的属性を表現し,スプレート上にテクスチャ属性を保持することで,明示的な三角形メッシュと2次元ガウススプレートを協調的に最適化するエンドツーエンドフレームワークであるOMeGaを提案する。 再構成精度をさらに向上するため、メッシュ制約と単分子正規監督を最適化に統合し、幾何学学習を規則化する。 さらに,高信頼の顔と信頼できない顔を分割し,再構成したメッシュの細部と精度をさらに向上する,ヒューリスティックで反復的なメッシュリファインメント戦略を提案する。 OMeGaは、競争力のあるノベルビューレンダリング品質を維持しながら、2DGSベースラインでChamfer-$L_1$を47.3\%削減し、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成している。 実験結果から,OMeGaは室内テクスチャレス再構築における事前限界に効果的に対処できることが示唆された。

関連論文リスト

• TetWeave: Isosurface Extraction using On-The-Fly Delaunay Tetrahedral Grids for Gradient-Based Mesh Optimization [59.318328774645835]
  我々は、勾配に基づくメッシュ最適化のための新しい等曲面表現であるTetWeaveを紹介する。 TetWeaveは、Delaunay三角測量を通じて、四面体グリッドをオンザフライで構築する。 我々は,コンピュータグラフィックスとビジョンの幅広い課題に対して,TetWeaveの適用性を示す。
  論文  参考訳（メタデータ） (2025-05-07T17:32:49Z)
• 2DGS-Room: Seed-Guided 2D Gaussian Splatting with Geometric Constrains for High-Fidelity Indoor Scene Reconstruction [3.8879997968084137]
  高忠実度屋内シーン再構築のための2次元ガウス平滑化手法である2DGS-Roomを導入する。 我々は2次元ガウス分布を制御するためにシード誘導機構を用い、適応的な成長と刈り取り機構によって動的に最適化されたシードポイントの密度を推定した。 幾何的精度をさらに向上するために,単眼深度と通常の先行値を組み合わせて,細部と無テクスチャ領域の制約をそれぞれ与える。
  論文  参考訳（メタデータ） (2024-12-04T16:17:47Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
  本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-05-30T03:46:59Z)
• GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
  ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。 我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。 提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-03-17T20:06:41Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)

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。