論文の概要: Content-Aware Texturing for Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2512.02621v1
• Date: Tue, 02 Dec 2025 10:29:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.825928
• Title: Content-Aware Texturing for Gaussian Splatting
• Title（参考訳）: ガウススティングのためのコンテンツ対応テクスチャ
• Authors: Panagiotis Papantonakis, Georgios Kopanas, Fredo Durand, George Drettakis,
• Abstract要約: 我々は,テクスチャを用いて,可能な限り詳細な外観を表現することを提案する。 我々の主な焦点は、ガウススプラッティング最適化中にシーンに適応する原初的テクスチャマップを組み込むことである。 提案手法は, 画像の質やパラメータの総数において, 代替手法と比較して良好に動作することを示す。
• 参考スコア（独自算出の注目度）: 4.861240703958262
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Splatting has become the method of choice for 3D reconstruction and real-time rendering of captured real scenes. However, fine appearance details need to be represented as a large number of small Gaussian primitives, which can be wasteful when geometry and appearance exhibit different frequency characteristics. Inspired by the long tradition of texture mapping, we propose to use texture to represent detailed appearance where possible. Our main focus is to incorporate per-primitive texture maps that adapt to the scene in a principled manner during Gaussian Splatting optimization. We do this by proposing a new appearance representation for 2D Gaussian primitives with textures where the size of a texel is bounded by the image sampling frequency and adapted to the content of the input images. We achieve this by adaptively upscaling or downscaling the texture resolution during optimization. In addition, our approach enables control of the number of primitives during optimization based on texture resolution. We show that our approach performs favorably in image quality and total number of parameters used compared to alternative solutions for textured Gaussian primitives. Project page: https://repo-sam.inria.fr/nerphys/gs-texturing/
• Abstract（参考訳）: ガウシアン・スプレイティングは、キャプチャされた実シーンの3次元再構成とリアルタイムレンダリングの方法として選択されている。 しかし、細かい外観の詳細は多数の小さなガウス原始体として表す必要があり、幾何学と外観が異なる周波数特性を示すと無駄になる。 テクスチャマッピングの長い伝統にヒントを得て,テクスチャを用いて,可能な限り詳細な外観を表現することを提案する。 我々の主な焦点は、ガウススプラッティング最適化において、シーンに原則的に適応する原始的テクスチャマップを組み込むことである。 本研究では,テクセルの大きさを画像サンプリング周波数で制限し,入力画像の内容に適応させるテクスチャ付き2次元ガウスプリミティブの外観表現を提案する。 最適化中にテクスチャ解像度を適応的にアップスケーリングまたはダウンスケールすることで、これを実現する。 さらに, テクスチャ分解能に基づく最適化において, プリミティブ数の制御が可能となる。 本手法は,テクスチャ付きガウスプリミティブの代替手法と比較して,画像の質やパラメータの総数において良好に動作することを示す。 プロジェクトページ:https://repo-sam.inria.fr/nerphys/gs-texturing/

関連論文リスト

• A$^2$TG: Adaptive Anisotropic Textured Gaussians for Efficient 3D Scene Representation [7.103085444694659]
  既存のアプローチではプリミティブ毎に固定された正方形のテクスチャが割り当てられており、非効率なメモリ使用とシーンの可変性への適応性が制限されている。 適応的異方性テクスチャ付きガウス(A$2$TG)を導入し,各プリミティブに異方性テクスチャを組み込むことでテクスチャ化されたガウスを一般化する。 本手法では,テクスチャの解像度とアスペクト比を協調的に決定するために,勾配誘導型適応法を用いて,一様でないディテールアロケーションを実現する。
  論文  参考訳（メタデータ） (2026-01-14T07:26:55Z)
• Using Gaussian Splats to Create High-Fidelity Facial Geometry and Texture [2.7431069096660736]
  我々は、人間の顔の未校正画像の集合の統一的な説明を構築するために、人気が高まっている3次元神経表現を活用している。 セグメンテーションのセグメンテーションを利用して,11枚の画像から中性ポーズを復元する。 本研究では,ガウススプラッツを視覚依存型神経テクスチャとして扱えるようなテクスチャ空間に,正確な幾何学がいかに変換できるかを示す。
  論文  参考訳（メタデータ） (2025-12-18T10:53:51Z)
• Neural Shell Texture Splatting: More Details and Fewer Primitives [37.33701393691611]
  表面のテクスチャ情報をエンコードするグローバル表現であるニューラルシェルテクスチャを導入する。 本評価により, 高いパラメータ効率, きめ細かなテクスチャディテール再構築, 容易なテクスチャメッシュ抽出が可能であることが示された。
  論文  参考訳（メタデータ） (2025-07-27T09:39:10Z)
• Textured Gaussians for Enhanced 3D Scene Appearance Modeling [58.134905268540436]
  3D Gaussian Splatting (3DGS)は最先端の3D再構成およびレンダリング技術として登場した。 本稿では,それぞれにα(A), RGB, RGBAテクスチャマップを付加した一般化されたガウスの外観表現を提案する。 類似または少ないガウス数を用いて,既存の手法に比べて画質が向上したことを示す。
  論文  参考訳（メタデータ） (2024-11-27T18:59:59Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• SCube: Instant Large-Scale Scene Reconstruction using VoxSplats [55.383993296042526]
  SCubeは画像の粗い集合から大規模3次元シーン(幾何学、外観、意味論)を再構成する新しい手法である。 提案手法は,高解像度のスパース・ボクセル・足場上に支持された3次元ガウスの組である,新しい表現VoxSplatを用いて再構成シーンを符号化する。
  論文  参考訳（メタデータ） (2024-10-26T00:52:46Z)
• GStex: Per-Primitive Texturing of 2D Gaussian Splatting for Decoupled Appearance and Geometry Modeling [11.91812502521729]
  ガウススプラッティングは、ビュー合成とシーン再構成に優れた性能を示した。 各ガウス原始体は外観と幾何学の両方を符号化しているので、外見モデリングには多数のガウス原始体が必要である。 我々は,1つのガウス語でさえ外観の詳細を捉えられるように,パープリミティブな表現を採用することを提案する。
  論文  参考訳（メタデータ） (2024-09-19T17:58:44Z)
• Reference-based Controllable Scene Stylization with Gaussian Splatting [30.321151430263946]
  コンテンツアラインな参照画像に基づいて外観を編集する参照ベースシーンスタイリングは、新たな研究領域である。 参照型スタイリゼーションに3Dガウススティング(3DGS)を適用し,リアルタイムなスタイリゼーションを実現するReGSを提案する。
  論文  参考訳（メタデータ） (2024-07-09T20:30:29Z)
• Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
  我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。 UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。 モデル化された結果が最先端のアプローチを上回る実験を行ないました。
  論文  参考訳（メタデータ） (2024-03-18T04:01:26Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Paint-it: Text-to-Texture Synthesis via Deep Convolutional Texture Map Optimization and Physically-Based Rendering [47.78392889256976]
  Paint-itは3Dレンダリングのためのテキスト駆動の高忠実なテクスチャマップ合成法である。 Paint-itはScore-Distillation Sampling(SDS)を利用してテキスト記述からテクスチャマップを合成する 我々は,DC-PBRがテクスチャ周波数に応じて最適化カリキュラムをスケジュールし,SDSからノイズ信号を自然にフィルタすることを示した。
  論文  参考訳（メタデータ） (2023-12-18T17:17:08Z)
• Differentiable Blocks World: Qualitative 3D Decomposition by Rendering Primitives [70.32817882783608]
  本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。 既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。 得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
  論文  参考訳（メタデータ） (2023-07-11T17:58:31Z)
• Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
  制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。 本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。 本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-31T07:07:44Z)

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。