論文の概要: RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS

• arxiv url: http://arxiv.org/abs/2512.04815v1
• Date: Thu, 04 Dec 2025 14:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.202589
• Title: RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS
• Title（参考訳）: RobustSplat++: in-the-Wild 3DGSのためのデカップリングデンシフィケーション、ダイナミクス、照明
• Authors: Chuanyu Fu, Guanying Chen, Yuqi Zhang, Kunbin Yao, Yuan Xiong, Chuan Huang, Shuguang Cui, Yasuyuki Matsushita, Xiaochun Cao,
• Abstract要約: 3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。 いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
• 参考スコア（独自算出の注目度）: 85.90134051583368
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has gained significant attention for its real-time, photo-realistic rendering in novel-view synthesis and 3D modeling. However, existing methods struggle with accurately modeling in-the-wild scenes affected by transient objects and illuminations, leading to artifacts in the rendered images. We identify that the Gaussian densification process, while enhancing scene detail capture, unintentionally contributes to these artifacts by growing additional Gaussians that model transient disturbances and illumination variations. To address this, we propose RobustSplat++, a robust solution based on several critical designs. First, we introduce a delayed Gaussian growth strategy that prioritizes optimizing static scene structure before allowing Gaussian splitting/cloning, mitigating overfitting to transient objects in early optimization. Second, we design a scale-cascaded mask bootstrapping approach that first leverages lower-resolution feature similarity supervision for reliable initial transient mask estimation, taking advantage of its stronger semantic consistency and robustness to noise, and then progresses to high-resolution supervision to achieve more precise mask prediction. Third, we incorporate the delayed Gaussian growth strategy and mask bootstrapping with appearance modeling to handling in-the-wild scenes including transients and illuminations. Extensive experiments on multiple challenging datasets show that our method outperforms existing methods, clearly demonstrating the robustness and effectiveness of our method.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 しかし、既存の手法では、過渡的な物体や照明の影響を受け、描画された画像のアーティファクトを正確にモデル化するのに苦労している。 ガウスの密度化過程は、シーンの細部を捉えつつも、過渡的な乱れや照明の変動をモデル化するガウスのさらなる拡張によって、意図せずにこれらの人工物に寄与する。 これを解決するために、いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。 まず,静的なシーン構造の最適化を優先した遅延ガウス成長戦略を導入し,ガウスの分割・閉鎖を許容し,過度なオブジェクトへのオーバーフィットを早期に緩和する。 第2に、まず、信頼性の高い初期過渡マスク推定のための低分解能特徴類似性監視を利用して、その強いセマンティック一貫性とノイズに対する堅牢性を利用して、次に、より正確なマスク予測を実現するための高分解能監視へと進むスケールカスケードマスクブートストラッピング手法を設計する。 第3に,遅延したガウス成長戦略とマスクブートストラップと外観モデリングを組み込んで,過渡期や照度を含むフィールド内シーンの処理を行う。 複数の挑戦的データセットに対する大規模な実験により,提案手法は既存の手法よりも優れており,本手法の堅牢性と有効性を明確に示している。

関連論文リスト

• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• ForestSplats: Deformable transient field for Gaussian Splatting in the Wild [7.826711452520102]
  3D-GSは静的なシーンでは有効性を示すが、実際の環境では性能が著しく低下する。 変形可能な過渡場とスーパーピクセル対応マスクを利用する新しいアプローチであるフォレストスプラッツを提案する。
  論文  参考訳（メタデータ） (2025-03-08T11:44:57Z)
• MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
  3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。 既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。 スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-15T08:39:05Z)

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。