論文の概要: Contour Information Aware 2D Gaussian Splatting for Image Representation

• arxiv url: http://arxiv.org/abs/2512.23255v1
• Date: Mon, 29 Dec 2025 07:24:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.429345
• Title: Contour Information Aware 2D Gaussian Splatting for Image Representation
• Title（参考訳）: 画像表現のための2次元ガウス平滑化を意識した輪郭情報
• Authors: Masaya Takabe, Hiroshi Watanabe, Sujun Hong, Tomohiro Ikai, Zheming Fan, Ryo Ishimoto, Kakeru Sugimoto, Ruri Imichi,
• Abstract要約: 本稿では,Contour Information-Aware 2D Gaussian Splattingフレームワークを提案する。 提案手法は,既存の2DGS法と比較して,オブジェクトエッジ周辺の再現性が高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image representation is a fundamental task in computer vision. Recently, Gaussian Splatting has emerged as an efficient representation framework, and its extension to 2D image representation enables lightweight, yet expressive modeling of visual content. While recent 2D Gaussian Splatting (2DGS) approaches provide compact storage and real-time decoding, they often produce blurry or indistinct boundaries when the number of Gaussians is small due to the lack of contour awareness. In this work, we propose a Contour Information-Aware 2D Gaussian Splatting framework that incorporates object segmentation priors into Gaussian-based image representation. By constraining each Gaussian to a specific segmentation region during rasterization, our method prevents cross-boundary blending and preserves edge structures under high compression. We also introduce a warm-up scheme to stabilize training and improve convergence. Experiments on synthetic color charts and the DAVIS dataset demonstrate that our approach achieves higher reconstruction quality around object edges compared to existing 2DGS methods. The improvement is particularly evident in scenarios with very few Gaussians, while our method still maintains fast rendering and low memory usage.
• Abstract（参考訳）: 画像表現はコンピュータビジョンの基本的な課題である。 近年,ガウススプラッティングが効率的な表現フレームワークとして登場し,その2次元画像表現への拡張により,視覚コンテンツの軽量かつ表現力のあるモデリングが可能となった。 最近の2D Gaussian Splatting (2DGS) アプローチは、コンパクトなストレージとリアルタイムデコードを提供するが、輪郭認識の欠如によりガウスの数が小さくなると、しばしばぼやけや不明瞭な境界が生じる。 本研究では,ガウス的画像表現にオブジェクトセグメンテーションを組み込んだコンター情報認識2Dガウス的画像形成フレームワークを提案する。 ラスタ化時に各ガウスを特定のセグメンテーション領域に制限することにより、高い圧縮下でのエッジ構造の相互ブレンディングを防止し、保存する。 トレーニングを安定させ、収束を改善するためのウォームアップスキームも導入する。 合成カラーチャートとDAVISデータセットを用いた実験により,既存の2DGS法と比較して,オブジェクトエッジ周辺の再現性が高いことがわかった。 この改善はガウシアンがほとんどいないシナリオでは特に顕著であるが、我々の手法は高速なレンダリングと低メモリ使用率を維持している。

関連論文リスト

• Fast 2DGS: Efficient Image Representation with Deep Gaussian Prior [21.89104780995278]
  Fast-2DGSは効率的なガウス画像表現のための軽量なフレームワークである。 本稿では,ガウスプリミティブの空間分布を捉えるための条件付きネットワークとして実装されたDeep Gaussian Priorを紹介する。 実験により、この非絡み合ったアーキテクチャは、1つの前方通過で高品質な再構築を実現し、次いで最小限の微調整を行うことが示された。
  論文  参考訳（メタデータ） (2025-12-14T17:23:28Z)
• 2D Gaussian Splatting with Semantic Alignment for Image Inpainting [46.266955851252504]
  2次元ガウススプラッティングに基づく最初の画像インペイントフレームワークを提案する。 グローバルなセマンティック一貫性のために、事前訓練されたDINOモデルの特徴を取り入れる。 本手法は,定量的指標と知覚的品質の両面での競合性能を実現する。
  論文  参考訳（メタデータ） (2025-09-02T05:12:52Z)
• Instant GaussianImage: A Generalizable and Self-Adaptive Image Representation via 2D Gaussian Splatting [13.439790810504851]
  本稿では,2次元ガウス分割に基づく一般化可能で自己適応的な画像表現フレームワークを提案する。 提案手法では,粗いガウス表現を高速に生成するネットワークを用いて,最小限の微調整を行う。 我々の手法はガウス画像のレンダリング性能と非常に少ないイテレーションと短いトレーニング時間で一致または超えることを示す。
  論文  参考訳（メタデータ） (2025-06-30T02:58:52Z)
• Large Images are Gaussians: High-Quality Large Image Representation with Levels of 2D Gaussian Splatting [21.629316414488027]
  textbfLarge textbfImages are textbfGaussians (textbfLIG)。
  論文  参考訳（メタデータ） (2025-02-13T07:48:56Z)
• Compact 3D Gaussian Splatting for Static and Dynamic Radiance Fields [13.729716867839509]
  ハイパフォーマンスを維持しつつガウスの数を著しく削減する学習可能なマスク戦略を提案する。 さらに、格子型ニューラルネットワークを用いて、ビュー依存色をコンパクトかつ効果的に表現することを提案する。 我々の研究は、3Dシーン表現のための包括的なフレームワークを提供し、ハイパフォーマンス、高速トレーニング、コンパクト性、リアルタイムレンダリングを実現しています。
  論文  参考訳（メタデータ） (2024-08-07T14:56:34Z)
• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [52.598772767324036]
  本稿では,2次元ガウス放射率に基づくコンテンツ適応型画像表現であるImage-GSを紹介する。 リアルタイム使用のためにハードウェアフレンドリーな高速アクセスをサポートし、ピクセルをデコードするためには0.3KのMACしか必要としない。 テクスチャ圧縮、セマンティクス対応圧縮、共同画像圧縮と復元など、いくつかのアプリケーションでその汎用性を実証する。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。