論文の概要: SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2511.14633v1
• Date: Tue, 18 Nov 2025 16:24:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.210384
• Title: SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction
• Title（参考訳）: SparseSurf:表面再構成のためのスパースビュー3次元ガウススプラッティング
• Authors: Meiying Gu, Jiawei Zhang, Jiahe Li, Xiaohan Yu, Haonan Luo, Jin Zheng, Xiao Bai,
• Abstract要約: 高品質な新しいビューレンダリングを保ちながら、より正確で詳細な表面を再構築する手法であるnetを提案する。 我々の重要な洞察は、レンダリング品質と幾何推定を橋渡しするStereo Geometry-Texture Alignmentを導入することである。 さらに,多視点幾何整合性を実現するPseudo-Feature Enhanced Geometry Consistencyを提案する。
• 参考スコア（独自算出の注目度）: 26.59203606048875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in optimizing Gaussian Splatting for scene geometry have enabled efficient reconstruction of detailed surfaces from images. However, when input views are sparse, such optimization is prone to overfitting, leading to suboptimal reconstruction quality. Existing approaches address this challenge by employing flattened Gaussian primitives to better fit surface geometry, combined with depth regularization to alleviate geometric ambiguities under limited viewpoints. Nevertheless, the increased anisotropy inherent in flattened Gaussians exacerbates overfitting in sparse-view scenarios, hindering accurate surface fitting and degrading novel view synthesis performance. In this paper, we propose \net{}, a method that reconstructs more accurate and detailed surfaces while preserving high-quality novel view rendering. Our key insight is to introduce Stereo Geometry-Texture Alignment, which bridges rendering quality and geometry estimation, thereby jointly enhancing both surface reconstruction and view synthesis. In addition, we present a Pseudo-Feature Enhanced Geometry Consistency that enforces multi-view geometric consistency by incorporating both training and unseen views, effectively mitigating overfitting caused by sparse supervision. Extensive experiments on the DTU, BlendedMVS, and Mip-NeRF360 datasets demonstrate that our method achieves the state-of-the-art performance.
• Abstract（参考訳）: 近年のシーン幾何学におけるガウススティングの最適化の進歩により、画像からの詳細な表面の効率的な再構築が可能となった。 しかし、入力ビューが疎い場合、そのような最適化は過度に適合する傾向があり、最適でない再構築品質につながる。 既存のアプローチでは、平面化されたガウス原始体を用いて表面幾何学をよりよく適合させ、有限視点で幾何学的曖昧さを緩和する深さ正規化と組み合わせることでこの問題に対処している。 それでも、平らなガウスに固有の異方性の増加は、スパースビューのシナリオにおける過度な適合を悪化させ、表面の正確な嵌合を妨げ、新しいビュー合成性能を低下させる。 本稿では,高品質な新しいビューレンダリングを保ちながら,より正確かつ詳細な曲面を再構成する手法である \net{} を提案する。 我々の重要な洞察は、レンダリング品質と幾何推定をブリッジするステレオ幾何テクスチャアライメントを導入することで、表面再構成とビュー合成の両面を共同で強化することである。 さらに,多視点幾何整合性を実現するための擬似関数拡張幾何整合性について,トレーニングと見えないビューの両方を取り入れた上で,スパース・インスペクションによるオーバーフィッティングを効果的に緩和する。 DTU, BlendedMVS, Mip-NeRF360データセットの大規模な実験により, 本手法が最先端の性能を実現することを示す。

関連論文リスト

• VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
  3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。 ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。 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） (2025-10-13T14:44:50Z)
• SolidGS: Consolidating Gaussian Surfel Splatting for Sparse-View Surface Reconstruction [48.228533595941556]
  この問題に対処するために,SolidGSと呼ばれる新しい手法を提案する。 再構成された幾何は多視点では非常に不整合であることがわかった。 幾何学的正規化と単分子正規化の助けを借りて,スパース面の再構成における優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-12-19T21:04:43Z)
• 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)
• SplatFace: Gaussian Splat Face Reconstruction Leveraging an Optimizable Surface [7.052369521411523]
  SplatFaceは3次元人間の顔再構成のための新しいガウススプレイティングフレームワークであり、正確な事前決定幾何に依存しない。 本手法は,高品質な新規ビューレンダリングと高精度な3Dメッシュ再構成の両方を同時に実現するように設計されている。
  論文  参考訳（メタデータ） (2024-03-27T17:32:04Z)
• 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)
• NeuSurf: On-Surface Priors for Neural Surface Reconstruction from Sparse Input Views [41.03837477483364]
  本研究では,表面の高度に忠実な再構成を実現するために,地上の事前情報を活用する新しいスパース・ビュー・リコンストラクション・フレームワークを提案する。 具体的には,大域的幾何アライメントと局所的幾何洗練に関するいくつかの制約を設計し,粗い形状と細部を協調的に最適化する。 DTUとBlendedMVSデータセットによる2つの一般的なスパース設定の実験結果は、最先端の手法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2023-12-21T16:04:45Z)
• HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces [6.382138631957651]
  我々は新しい暗黙表面再構成法であるHigh-Resolution NeuSを提案する。 HR-NeuSは大規模な再構成精度を維持しながら高周波表面形状を復元する。 我々は,DTUおよびBlendedMVSデータセットを用いた実験により,従来の手法と同等の精度で定性的に詳細かつ定量的な3次元測地を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-02-14T02:25:16Z)

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。