論文の概要: SVRecon: Sparse Voxel Rasterization for Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2511.17364v1
• Date: Fri, 21 Nov 2025 16:32:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:19.10855
• Title: SVRecon: Sparse Voxel Rasterization for Surface Reconstruction
• Title（参考訳）: SVRecon: 表面再構成のためのスパースボクセルラスタライゼーション
• Authors: Seunghun Oh, Jaesung Choe, Dongjae Lee, Daeun Lee, Seunghoon Jeong, Yu-Chiang Frank Wang, Jaesik Park,
• Abstract要約: 我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
• 参考スコア（独自算出の注目度）: 60.92372415355283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We extend the recently proposed sparse voxel rasterization paradigm to the task of high-fidelity surface reconstruction by integrating Signed Distance Function (SDF), named SVRecon. Unlike 3D Gaussians, sparse voxels are spatially disentangled from their neighbors and have sharp boundaries, which makes them prone to local minima during optimization. Although SDF values provide a naturally smooth and continuous geometric field, preserving this smoothness across independently parameterized sparse voxels is nontrivial. To address this challenge, we promote coherent and smooth voxel-wise structure through (1) robust geometric initialization using a visual geometry model and (2) a spatial smoothness loss that enforces coherent relationships across parent-child and sibling voxel groups. Extensive experiments across various benchmarks show that our method achieves strong reconstruction accuracy while having consistently speedy convergence. The code will be made public.
• Abstract（参考訳）: 我々は最近提案されたスパースボクセルラスタ化パラダイムを,SVReconという符号付き距離関数(SDF)を統合することで高忠実表面再構成の課題に拡張する。 3Dガウスと異なり、スパース・ボクセルは隣人から空間的に切り離され、鋭い境界を持つため、最適化中は局所的なミニマに傾向がある。 SDF値は自然に滑らかで連続的な幾何学的場を提供するが、独立にパラメータ化されたスパースボクセルにこの滑らかさを保存することは自明ではない。 この課題に対処するために,(1)視覚幾何学モデルを用いた頑健な幾何学的初期化,(2)親子と兄弟のボクセル群間のコヒーレントな関係を強制する空間的滑らかさ損失を通じて,コヒーレントで滑らかなボクセル構造を促進する。 本手法は, 高速収束を保ちながら, 高い復元精度を達成できることを示す。 コードは公開されます。

関連論文リスト

• GeoSVR: Taming Sparse Voxels for Geometrically Accurate Surface Reconstruction [29.39368079247518]
  GeoSVRは透明なボクセルベースのフレームワークで、スパースボクセルの未解明の可能性を探求し、拡張し、精密で詳細かつ完全な表面再構成を実現する。 Sparse Voxel Surface Regularizationは、小さなボクセルの幾何学的整合性を高め、鋭く正確な表面のボクセルベースの形成を促進するように設計されている。
  論文  参考訳（メタデータ） (2025-09-22T17:58:48Z)
• Sparse2DGS: Geometry-Prioritized Gaussian Splatting for Surface Reconstruction from Sparse Views [45.125032766506536]
  完全かつ正確な再構成のためのMVS-d Gaussian Splatting PipelineであるSparse2DGSを提案する。 我々の重要な洞察は、幾何学的優先順位付けされた拡張スキームを組み込むことであり、不適切な条件下での直接的かつ堅牢な幾何学的学習を可能にする。 Sparse2DGSは、NeRFベースの微調整方式よりも2倍の速さで既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-04-29T02:47:02Z)
• 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)
• NeuRodin: A Two-stage Framework for High-Fidelity Neural Surface Reconstruction [63.85586195085141]
  サイン付き距離関数 (SDF) を用いたボリュームレンダリングは, 表面再構成において有意な機能を示した。 ニューロディン(NeuRodin)は、新しい2段階の神経表面再構成フレームワークである。 NeuRodinは高忠実な表面再構成を実現し、密度ベース手法の柔軟な最適化特性を維持している。
  論文  参考訳（メタデータ） (2024-08-19T17:36:35Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• 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)
• Critical Regularizations for Neural Surface Reconstruction in the Wild [26.460011241432092]
  本稿では,高品質でロバストな再構成結果を得るのに,適切な点クラウド監視と幾何正規化が十分であることを示すRegSDFを提案する。 RegSDFは、複雑なトポロジと非構造化カメラ軌道を持つオープンシーンであっても、細部で表面を再構築することができる。
  論文  参考訳（メタデータ） (2022-06-07T08:11:22Z)

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。