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

• 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)
• 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)
• 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。