論文の概要: ReCoGS: Real-time ReColoring for Gaussian Splatting scenes

• arxiv url: http://arxiv.org/abs/2511.18441v1
• Date: Sun, 23 Nov 2025 13:25:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.844347
• Title: ReCoGS: Real-time ReColoring for Gaussian Splatting scenes
• Title（参考訳）: ReCoGS: ガウスのスティングシーンをリアルタイムに再現する
• Authors: Lorenzo Rutayisire, Nicola Capodieci, Fabio Pellacini,
• Abstract要約: 本研究では,事前学習したガウススプラッティングシーン内の領域の正確な選択と再色を可能にする,ユーザフレンドリーなパイプラインを提案する。 また,実際にパイプラインを実験できるインタラクティブツールも提示する。
• 参考スコア（独自算出の注目度）: 3.772378882850512
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Splatting has emerged as a leading method for novel view synthesis, offering superior training efficiency and real-time inference compared to NeRF approaches, while still delivering high-quality reconstructions. Beyond view synthesis, this 3D representation has also been explored for editing tasks. Many existing methods leverage 2D diffusion models to generate multi-view datasets for training, but they often suffer from limitations such as view inconsistencies, lack of fine-grained control, and high computational demand. In this work, we focus specifically on the editing task of recoloring. We introduce a user-friendly pipeline that enables precise selection and recoloring of regions within a pre-trained Gaussian Splatting scene. To demonstrate the real-time performance of our method, we also present an interactive tool that allows users to experiment with the pipeline in practice. Code is available at https://github.com/loryruta/recogs.
• Abstract（参考訳）: ガウススプラッティングは、新しいビュー合成の先駆的手法として登場し、高品質な再構築を提供しながら、NeRFアプローチよりも訓練効率とリアルタイムな推論を提供する。 ビュー合成以外にも、この3D表現はタスクの編集にも研究されている。 既存の多くの手法は2次元拡散モデルを利用して訓練用マルチビューデータセットを生成するが、しばしば不整合性、きめ細かい制御の欠如、高い計算要求などの制限に悩まされる。 本研究では,リカラー化の編集作業に特化して焦点をあてる。 本研究では,事前学習したガウススプラッティングシーン内の領域の正確な選択と再色を可能にする,ユーザフレンドリーなパイプラインを提案する。 また,本手法のリアルタイム性能を示すために,実際にパイプラインを実験できる対話型ツールを提案する。 コードはhttps://github.com/loryruta/recogs.comで公開されている。

関連論文リスト

• Triangle Splatting+: Differentiable Rendering with Opaque Triangles [54.18495204764292]
  微分可能なスティングフレームワーク内での三角形を直接最適化するTriangle Splatting+を導入する。 本手法は, 視覚的忠実度において, より効率的かつ高速なトレーニングを継続しながら, 従来のスプレイティング手法を超越した手法である。 結果として生じるセミコネクテッドメッシュは、物理ベースのシミュレーションやインタラクティブなウォークスルーのような下流のアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-09-29T17:43:46Z)
• HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
  本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。 提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。 その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
  論文  参考訳（メタデータ） (2025-06-24T03:54:40Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• FewViewGS: Gaussian Splatting with Few View Matching and Multi-stage Training [15.634646420318731]
  スパース入力画像を用いた3次元ガウス型新規ビュー合成法を提案する。 本稿では,新しい視点に課せられる整合性制約を考慮した多段階学習手法を提案する。 これは、利用可能なトレーニング画像のマッチングを使用して、新しいビューの生成を監督することで達成される。
  論文  参考訳（メタデータ） (2024-11-04T16:21:00Z)
• Splatfacto-W: A Nerfstudio Implementation of Gaussian Splatting for Unconstrained Photo Collections [25.154665328053333]
  Splatfacto-Wは、ガウスごとのニューラルカラー特徴と画像ごとの外観をレンダリングプロセスに組み込む、自明なアプローチである。 提案手法は,3DGSに比べて平均5.3dBのPak Signal-to-Noise Ratio(PSNR)を向上し,NeRF法に比べて150倍のトレーニング速度を向上し,3DGSと同様のレンダリング速度を実現する。
  論文  参考訳（メタデータ） (2024-07-17T04:02:54Z)
• SpotlessSplats: Ignoring Distractors in 3D Gaussian Splatting [44.42317312908314]
  3D Gaussian Splatting (3DGS)は、3D再構成のための有望な技術であり、効率的なトレーニングとレンダリング速度を提供する。 現在の手法では、3DGSのビュー間の一貫性の仮定を満たすために、高度に制御された環境が必要である。 SpotLessSplatsは、トレーニング済みと汎用の機能と頑健な最適化を併用して、過渡的障害を効果的に無視するアプローチである。
  論文  参考訳（メタデータ） (2024-06-28T17:07:11Z)
• Feature 3DGS: Supercharging 3D Gaussian Splatting to Enable Distilled Feature Fields [54.482261428543985]
  ニューラル・ラジアンス・フィールドを使用する手法は、新しいビュー合成のような従来のタスクに汎用的である。 3次元ガウシアンスプラッティングは, 実時間ラディアンス場レンダリングにおける最先端の性能を示した。 この問題を効果的に回避するために,アーキテクチャとトレーニングの変更を提案する。
  論文  参考訳（メタデータ） (2023-12-06T00:46:30Z)

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。