論文の概要: AtlasGS: Atlanta-world Guided Surface Reconstruction with Implicit Structured Gaussians

• arxiv url: http://arxiv.org/abs/2510.25129v1
• Date: Wed, 29 Oct 2025 03:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:44.99625
• Title: AtlasGS: Atlanta-world Guided Surface Reconstruction with Implicit Structured Gaussians
• Title（参考訳）: AtlasGS: アトランタのガイド付き表面の再構築
• Authors: Xiyu Zhang, Chong Bao, Yipeng Chen, Hongjia Zhai, Yitong Dong, Hujun Bao, Zhaopeng Cui, Guofeng Zhang,
• Abstract要約: 本研究では, アトランタ・ワールドガイド型暗黙構造型ガウシアン・スプレイティングを提案し, 屋内・都市景観のスムーズな再構築を実現する。 提案手法は,屋内・都市両場面における最先端の手法より優れ,表面の再現性に優れる。
• 参考スコア（独自算出の注目度）: 57.95719610327081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D reconstruction of indoor and urban environments is a prominent research topic with various downstream applications. However, existing geometric priors for addressing low-texture regions in indoor and urban settings often lack global consistency. Moreover, Gaussian Splatting and implicit SDF fields often suffer from discontinuities or exhibit computational inefficiencies, resulting in a loss of detail. To address these issues, we propose an Atlanta-world guided implicit-structured Gaussian Splatting that achieves smooth indoor and urban scene reconstruction while preserving high-frequency details and rendering efficiency. By leveraging the Atlanta-world model, we ensure the accurate surface reconstruction for low-texture regions, while the proposed novel implicit-structured GS representations provide smoothness without sacrificing efficiency and high-frequency details. Specifically, we propose a semantic GS representation to predict the probability of all semantic regions and deploy a structure plane regularization with learnable plane indicators for global accurate surface reconstruction. Extensive experiments demonstrate that our method outperforms state-of-the-art approaches in both indoor and urban scenes, delivering superior surface reconstruction quality.
• Abstract（参考訳）: 屋内・都市環境の3次元再構築は、下流の様々な応用において顕著な研究課題である。 しかし、屋内や都市部における低テクスチャ領域に対処するための既存の幾何学的先行性は、大域的な一貫性を欠いていることが多い。 さらに、ガウススプティングと暗黙のSDFフィールドは、しばしば不連続性に悩まされ、計算の非効率性を示し、詳細が失われる。 これらの課題に対処するため,アトランタのガイド付き暗黙構造型ガウシアンスプラッティングを提案し,高頻度の詳細とレンダリング効率を保ちながら,屋内・都市景観のスムーズな再構築を実現する。 アトランタ・ワールド・モデルを利用して低テクスチャ領域の正確な表面再構成を確実にする一方,提案した暗黙構造GS表現は効率と高周波の詳細を犠牲にすることなく滑らかさを提供する。 具体的には,すべての意味領域の確率を予測するセマンティックGS表現を提案し,グローバルな正確な表面再構成のための学習可能な平面インジケータを用いた構造平面正規化をデプロイする。 大規模な実験により,本手法は屋内と都市の両方で最先端の手法より優れ,表面の再現性に優れることが示された。

関連論文リスト

• GSPlane: Concise and Accurate Planar Reconstruction via Structured Representation [30.083162532688096]
  GSPlaneは正確な形状を復元し、平面領域に対してクリーンでよく構造化されたメッシュ接続を生成する。 また、支持平面上のオブジェクトの分離と柔軟な操作を可能にする構造化平面表現の応用についても検討する。
  論文  参考訳（メタデータ） (2025-10-20T01:59:21Z)
• 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)
• MG-SLAM: Structure Gaussian Splatting SLAM with Manhattan World Hypothesis [11.324845082176559]
  幾何学的精度と完全性を向上させるRGB-DシステムであるManhattan Gaussian SLAMを提案する。 構成されたシーンから抽出された融合線分をシームレスに統合することにより,テクスチャレス屋内領域におけるロバストなトラッキングを実現する。 合成シーンと実世界のシーンの両方で行われた実験は、これらの進歩により、我々の手法が最先端のパフォーマンスを達成できることを実証している。
  論文  参考訳（メタデータ） (2024-05-30T13:16:17Z)
• 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)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)

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。