論文の概要: 2DGS-R: Revisiting the Normal Consistency Regularization in 2D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2510.16837v1
• Date: Sun, 19 Oct 2025 13:52:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.176318
• Title: 2DGS-R: Revisiting the Normal Consistency Regularization in 2D Gaussian Splatting
• Title（参考訳）: 2DGS-R:2次元ガウス平滑化における正規整列の再検討
• Authors: Haofan Ren, Qingsong Yan, Ming Lu, Rongfeng Lu, Zunjie Zhu,
• Abstract要約: 幾何学的精度を維持しつつレンダリング品質を向上させるために階層的トレーニングアプローチを用いた2DGS-Rを提案する。 従来の2DGSと比較して、我々の方法は1%のストレージと最小限のトレーニング時間しか必要としない。 これらの結果から,本手法は効率と性能のバランスを効果的に保ち,視覚的忠実度と幾何的再構成の精度が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 21.933933778984954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in 3D Gaussian Splatting (3DGS) have greatly influenced neural fields, as it enables high-fidelity rendering with impressive visual quality. However, 3DGS has difficulty accurately representing surfaces. In contrast, 2DGS transforms the 3D volume into a collection of 2D planar Gaussian disks. Despite advancements in geometric fidelity, rendering quality remains compromised, highlighting the challenge of achieving both high-quality rendering and precise geometric structures. This indicates that optimizing both geometric and rendering quality in a single training stage is currently unfeasible. To overcome this limitation, we present 2DGS-R, a new method that uses a hierarchical training approach to improve rendering quality while maintaining geometric accuracy. 2DGS-R first trains the original 2D Gaussians with the normal consistency regularization. Then 2DGS-R selects the 2D Gaussians with inadequate rendering quality and applies a novel in-place cloning operation to enhance the 2D Gaussians. Finally, we fine-tune the 2DGS-R model with opacity frozen. Experimental results show that compared to the original 2DGS, our method requires only 1\% more storage and minimal additional training time. Despite this negligible overhead, it achieves high-quality rendering results while preserving fine geometric structures. These findings indicate that our approach effectively balances efficiency with performance, leading to improvements in both visual fidelity and geometric reconstruction accuracy.
• Abstract（参考訳）: 近年の3D Gaussian Splatting(3DGS)の進歩は、印象的な視覚的品質を持つ高忠実なレンダリングを可能にするため、ニューラルネットワークに大きな影響を与えている。 しかし、3DGSは表面の正確な表現が難しい。 対照的に、2DGSは3Dボリュームを2D平面ガウスディスクの集合に変換する。 幾何学的忠実さの進歩にもかかわらず、レンダリングの品質は妥協せず、高品質なレンダリングと正確な幾何学的構造の両方を達成するという課題を浮き彫りにした。 これは、単一のトレーニング段階における幾何学的品質とレンダリング品質の両方を最適化することは、現在不可能であることを示している。 この制限を克服するため、2DGS-Rという階層的なトレーニング手法を用いて、幾何学的精度を維持しながらレンダリング品質を向上させる手法を提案する。 2DGS-Rは最初の2Dガウスを標準整合正則化で訓練する。 そして、2DGS-Rは、レンダリング品質が不十分な2Dガウスを選定し、2Dガウスをさらに高めるために、新しいインプレースクローニング操作を適用する。 最後に,不透明度を凍結した2DGS-Rモデルを微調整する。 実験の結果,従来の2DGSと比較すると,本手法ではストレージが1倍になり,トレーニング時間も最小限に抑えられることがわかった。 この無視できないオーバーヘッドにもかかわらず、微細な幾何学構造を保ちながら高品質なレンダリング結果が得られる。 これらの結果から,本手法は効率と性能のバランスを効果的に保ち,視覚的忠実度と幾何的再構成の精度が向上することが示唆された。

関連論文リスト

• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Improving Adaptive Density Control for 3D Gaussian Splatting [3.2248805768155835]
  3D Gaussian Splattingは、過去1年で最も影響力のある作品の1つだ。 シーン再構築の際に使用されるガウス的プリミティブの数を適切に管理する上での課題に直面している。 本稿では,適応密度制御機構の3つの改良点を提案する。
  論文  参考訳（メタデータ） (2025-03-18T14:09:10Z)
• 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)
• 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
  3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。 多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。 競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T17:21:24Z)

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。