論文の概要: ObjSplat: Geometry-Aware Gaussian Surfels for Active Object Reconstruction

• arxiv url: http://arxiv.org/abs/2601.06997v1
• Date: Sun, 11 Jan 2026 17:14:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.107337
• Title: ObjSplat: Geometry-Aware Gaussian Surfels for Active Object Reconstruction
• Title（参考訳）: ObjSplat: アクティブオブジェクト再構成のための幾何学的ガウスサーフェス
• Authors: Yuetao Li, Zhizhou Jia, Yu Zhang, Qun Hao, Shaohui Zhang,
• Abstract要約: Splatは、外観と正確な幾何学の両方でオブジェクトを再構築する活発な再構築フレームワークである。 Splatは、物理的に一貫した完全性を数分で生成し、最先端のアプローチと比較して、再現精度と表面完全性に優れる。
• 参考スコア（独自算出の注目度）: 2.8012387812933035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous high-fidelity object reconstruction is fundamental for creating digital assets and bridging the simulation-to-reality gap in robotics. We present ObjSplat, an active reconstruction framework that leverages Gaussian surfels as a unified representation to progressively reconstruct unknown objects with both photorealistic appearance and accurate geometry. Addressing the limitations of conventional opacity or depth-based cues, we introduce a geometry-aware viewpoint evaluation pipeline that explicitly models back-face visibility and occlusion-aware multi-view covisibility, reliably identifying under-reconstructed regions even on geometrically complex objects. Furthermore, to overcome the limitations of greedy planning strategies, ObjSplat employs a next-best-path (NBP) planner that performs multi-step lookahead on a dynamically constructed spatial graph. By jointly optimizing information gain and movement cost, this planner generates globally efficient trajectories. Extensive experiments in simulation and on real-world cultural artifacts demonstrate that ObjSplat produces physically consistent models within minutes, achieving superior reconstruction fidelity and surface completeness while significantly reducing scan time and path length compared to state-of-the-art approaches. Project page: https://li-yuetao.github.io/ObjSplat-page/ .
• Abstract（参考訳）: 自律的な高忠実度オブジェクト再構成は、デジタル資産を作成し、ロボット工学におけるシミュレーションと現実のギャップを埋めるために基礎となる。 本稿では、ガウス波を統一表現として活用し、光現実的外観と正確な幾何学の両方で、未知の物体を段階的に再構成する活発な再構成フレームワークであるObjSplatを提案する。 従来の不透明度や深度に基づく手法の限界に対処するため,幾何的に複雑な対象であっても,裏面の視認性と咬合認識の多視点視認性を明確にモデル化した幾何学的視点評価パイプラインを導入する。 さらに、強欲な計画戦略の限界を克服するために、ObjSplatは、動的に構築された空間グラフ上でマルチステップのルックアヘッドを実行する、次ベストパス(NBP)プランナーを使用している。 情報ゲインと移動コストを協調的に最適化することにより、グローバルに効率的な軌道を生成する。 シミュレーションと実世界の文化的アーティファクトの大規模な実験により、ObjSplatは数分で物理的に一貫したモデルを作り、再現精度と表面の完全性を向上し、最先端のアプローチと比較してスキャン時間とパスの長さを著しく短縮することを示した。 プロジェクトページ:https://li-yuetao.github.io/ObjSplat-page/。

関連論文リスト

• REArtGS: Reconstructing and Generating Articulated Objects via 3D Gaussian Splatting with Geometric and Motion Constraints [47.82928111264676]
  REArtGSは、幾何学的および運動的制約を3Dガウスプリミティブに導入する新しいフレームワークである。 与えられた状態に対する高忠実なテクスチャ化表面再構成を実現し、目に見えない状態に対する高忠実な表面生成を可能にする。
  論文  参考訳（メタデータ） (2025-03-09T16:05:36Z)
• Gaussian Object Carver: Object-Compositional Gaussian Splatting with surfaces completion [16.379647695019308]
  3Dシーンの再構築はコンピュータビジョンの基本的な問題である。 本稿では,Gaussian Object Carver (GOC)を紹介した。 GOCは、高品質で柔軟な再構築を実現するために、モノクラー幾何学の先行と多視点幾何学の正規化に富んだ3Dガウススプラッティング(GS)を利用する。
  論文  参考訳（メタデータ） (2024-12-03T01:34:39Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)

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。