論文の概要: Re-Activating Frozen Primitives for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2510.19653v1
- Date: Tue, 21 Oct 2025 15:38:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:15.936242
- Title: Re-Activating Frozen Primitives for 3D Gaussian Splatting
- Title（参考訳）: 3次元ガウススプレイティングのための冷凍プリミティブの再活性化
- Authors: Yuxin Cheng, Binxiao Huang, Wenyong Zhou, Taiqiang Wu, Zhengwu Liu, Graziano Chesi, Ngai Wong,
- Abstract要約: 3D Gaussian Splatting (3D-GS) はリアルタイムなフォトリアリスティックなノベルビュー合成を実現するが、過度に再構成されたアーティファクトのために複雑なシーンと競合する。
本稿では,リアクティベーションの原理に基づく手法であるReAct-GSを紹介する。
本稿では,ReAct-GSがオーバーコンストラクションのアーティファクトを効果的に排除し,標準的な新規ビュー合成メトリクスの最先端性能を実現することを示す。
- 参考スコア（独自算出の注目度）: 22.003309830812825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3D-GS) achieves real-time photorealistic novel view synthesis, yet struggles with complex scenes due to over-reconstruction artifacts, manifesting as local blurring and needle-shape distortions. While recent approaches attribute these issues to insufficient splitting of large-scale Gaussians, we identify two fundamental limitations: gradient magnitude dilution during densification and the primitive frozen phenomenon, where essential Gaussian densification is inhibited in complex regions while suboptimally scaled Gaussians become trapped in local optima. To address these challenges, we introduce ReAct-GS, a method founded on the principle of re-activation. Our approach features: (1) an importance-aware densification criterion incorporating $\alpha$-blending weights from multiple viewpoints to re-activate stalled primitive growth in complex regions, and (2) a re-activation mechanism that revitalizes frozen primitives through adaptive parameter perturbations. Comprehensive experiments across diverse real-world datasets demonstrate that ReAct-GS effectively eliminates over-reconstruction artifacts and achieves state-of-the-art performance on standard novel view synthesis metrics while preserving intricate geometric details. Additionally, our re-activation mechanism yields consistent improvements when integrated with other 3D-GS variants such as Pixel-GS, demonstrating its broad applicability.
- Abstract（参考訳）: 3D Gaussian Splatting (3D-GS) はリアルタイムなフォトリアリスティックなノベルビュー合成を実現するが、過度に再構成されたアーティファクトによる複雑なシーンに苦慮し、局所的なぼやけや針状の歪みとして現れる。
近年のアプローチでは, 大規模なガウスの分割が不十分であると考えられるが, 密度化に伴う勾配等級の希釈と, 急激な氷結現象の2つの基本的限界が指摘されている。
これらの課題に対処するために,再活性化の原理に基づく手法であるReAct-GSを紹介する。
提案手法は,(1)多視点からの$\alpha$-blending weightsを取り入れた重要度認知度基準と,(2)適応パラメータ摂動による凍結プリミティブの再活性化機構を特徴とする。
多様な実世界のデータセットにわたる総合的な実験により、ReAct-GSは過剰に再構成されたアーティファクトを効果的に排除し、複雑な幾何学的詳細を保存しながら標準的な新しいビュー合成メトリクスで最先端のパフォーマンスを達成することを示した。
さらに、我々の再活性化機構は、Pixel-GSのような他の3D-GS亜種と統合することで一貫した改善をもたらし、その適用性を示している。
関連論文リスト
- Gesplat: Robust Pose-Free 3D Reconstruction via Geometry-Guided Gaussian Splatting [21.952325954391508]
本稿では、3DGSベースのフレームワークであるGesplatを紹介し、ロバストな新しいビュー合成と、未提示のスパース画像からの幾何的に一貫した再構成を可能にする。
提案手法は,他のポーズフリー手法と比較して,前方および大規模の複雑なデータセット上でより堅牢な性能を実現する。
論文 参考訳（メタデータ） (2025-10-11T08:13:46Z) - Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - Gradient-Direction-Aware Density Control for 3D Gaussian Splatting [7.234328187876289]
3D Gaussian Splatting (3DGS) は、明示的なシーン表現による新規なビュー合成が著しく進歩している。
既存のアプローチは、複雑なシナリオで2つの重要な制限を示す。
本稿では勾配方向対応型適応密度制御フレームワークGDAGSを提案する。
論文 参考訳（メタデータ） (2025-08-12T13:12:54Z) - RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。
本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。
復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
論文 参考訳（メタデータ） (2025-06-28T08:02:54Z) - Diffusion-Guided Gaussian Splatting for Large-Scale Unconstrained 3D Reconstruction and Novel View Synthesis [22.767866875051013]
本稿では,現行手法の限界に対処する多視点拡散モデルを用いて,新しい3DGSフレームワークであるGS-Diffを提案する。
マルチビュー入力に条件付き擬似観測を生成することにより、制約の少ない3次元再構成問題をよく表されたものに変換する。
4つのベンチマークの実験では、GS-Diffは最先端のベースラインをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-02T17:59:46Z) - 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) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
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) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z) - 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。