論文の概要: Perspective-aware 3D Gaussian Inpainting with Multi-view Consistency

• arxiv url: http://arxiv.org/abs/2510.10993v1
• Date: Mon, 13 Oct 2025 04:10:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.195239
• Title: Perspective-aware 3D Gaussian Inpainting with Multi-view Consistency
• Title（参考訳）: 多視点整合性を用いた視点認識型3次元ガウスインペインティング
• Authors: Yuxin Cheng, Binxiao Huang, Taiqiang Wu, Wenyong Zhou, Chenchen Ding, Zhengwu Liu, Graziano Chesi, Ngai Wong,
• Abstract要約: 本稿では,視点認識型コンテンツ伝搬と多視点インペイント画像間の整合性検証を活用することで,3次元ガウス塗装の進展を図った新しいアプローチであるPAInpainterを提案する。 提案手法は,SPIn-NeRFデータセットとNeRFillerデータセットのPSNRスコアが26.03dB,29.51dBの優れた3次元塗装品質を実現する。
• 参考スコア（独自算出の注目度）: 22.654962078504017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian inpainting, a critical technique for numerous applications in virtual reality and multimedia, has made significant progress with pretrained diffusion models. However, ensuring multi-view consistency, an essential requirement for high-quality inpainting, remains a key challenge. In this work, we present PAInpainter, a novel approach designed to advance 3D Gaussian inpainting by leveraging perspective-aware content propagation and consistency verification across multi-view inpainted images. Our method iteratively refines inpainting and optimizes the 3D Gaussian representation with multiple views adaptively sampled from a perspective graph. By propagating inpainted images as prior information and verifying consistency across neighboring views, PAInpainter substantially enhances global consistency and texture fidelity in restored 3D scenes. Extensive experiments demonstrate the superiority of PAInpainter over existing methods. Our approach achieves superior 3D inpainting quality, with PSNR scores of 26.03 dB and 29.51 dB on the SPIn-NeRF and NeRFiller datasets, respectively, highlighting its effectiveness and generalization capability.
• Abstract（参考訳）: 3D Gaussian inpaintingは、仮想現実やマルチメディアにおける多くのアプリケーションにとって重要な技法であり、事前訓練された拡散モデルによって大きな進歩を遂げている。 しかし、高品質なインパインティングの必須要件であるマルチビューの一貫性を確保することは、依然として重要な課題である。 本研究では,視点認識型コンテンツ伝搬と多視点インペイント画像間の整合性検証を活用することで,3次元ガウス塗装の進展を図った新しいアプローチであるPAInpainterを提案する。 本手法は,視点グラフから複数のビューを適応的にサンプリングすることにより,3次元ガウス表現を反復的に洗練し,最適化する。 塗装された画像を事前情報として伝播し、近隣のビュー間での一貫性を検証することにより、PAInpainterは復元された3Dシーンにおけるグローバルな一貫性とテクスチャの忠実度を大幅に向上させる。 実験はPAInpainterが既存の方法よりも優れていることを示した。 提案手法は,SPIn-NeRFデータセットとNeRFillerデータセットのPSNRスコアが26.03dB,29.51dBの優れた3次元塗装品質を実現し,その有効性と一般化能力を強調した。

関連論文リスト

• High-fidelity 3D Gaussian Inpainting: preserving multi-view consistency and photorealistic details [8.279171283542066]
  3Dシーンの塗装は、3D構造に固有の不規則性のため、依然として難しい課題である。 本稿では,スパース・インペインティング・ビューを活用することで,完全な3Dシーンを再構築する新しい3Dガウス・インペインティング・フレームワークを提案する。 我々の手法は、視覚的品質と視界の整合性の両方において、既存の最先端手法よりも優れています。
  論文  参考訳（メタデータ） (2025-07-24T01:48:50Z)
• Visibility-Uncertainty-guided 3D Gaussian Inpainting via Scene Conceptional Learning [63.94919846010485]
  3DGI)は、複数の入力ビューから補完的な視覚的・意味的手がかりを効果的に活用することが困難である。 本稿では,異なる入力ビュー間での3Dポイントの視認性不確実性を計測し,それらを用いて3DGIを誘導する手法を提案する。 ViSibility-uncerTainty-guided 3DGIとシーンコンセプトAl学習を統合し,新しい3DGIフレームワークであるVISTAを構築した。
  論文  参考訳（メタデータ） (2025-04-23T06:21:11Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• 3D Gaussian Inpainting with Depth-Guided Cross-View Consistency [30.951440204237166]
  本稿では,3次元の立体インパインティングのための3次元ガウス的インパインティング(3DGIC)のフレームワークを提案する。 当社の3DGICは、さまざまなビューに表示される背景画素を利用して、塗装マスクを更新し、塗装目的のために3DGSを洗練します。
  論文  参考訳（メタデータ） (2025-02-17T13:46:47Z)
• InFusion: Inpainting 3D Gaussians via Learning Depth Completion from Diffusion Prior [36.23604779569843]
  3Dガウスアンは、最近、新しいビュー合成の効率的な表現として現れた。 本研究は、その編集性について、特に塗装作業に焦点を当てて研究する。 2Dインペイントと比較すると、3Dガウスのクルックスは、導入された点のレンダリング関連性を理解することである。
  論文  参考訳（メタデータ） (2024-04-17T17:59:53Z)
• HD-Painter: High-Resolution and Prompt-Faithful Text-Guided Image Inpainting with Diffusion Models [59.01600111737628]
  HD-Painterはトレーニングフリーのアプローチで、プロンプトを正確に追従し、高解像度の画像インパインティングにコヒーレントにスケールする。 そこで我々は,自己注意スコアを向上するPrompt-Aware Introverted Attention (PAIntA) 層を設計した。 実験の結果,HD-Painterは既存の最先端アプローチを定量的に,質的に超越していることがわかった。
  論文  参考訳（メタデータ） (2023-12-21T18:09:30Z)
• Wonder3D: Single Image to 3D using Cross-Domain Diffusion [105.16622018766236]
  Wonder3Dは、単一視点画像から高忠実なテクスチャメッシュを効率的に生成する新しい手法である。 画像から3Dまでのタスクの品質,一貫性,効率性を総括的に改善するため,領域間拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-23T15:02:23Z)

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。