論文の概要: Advancing Structured Priors for Sparse-Voxel Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2601.17720v1
• Date: Sun, 25 Jan 2026 06:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.230165
• Title: Advancing Structured Priors for Sparse-Voxel Surface Reconstruction
• Title（参考訳）: スパース・ボクセル表面再構成のための構造前駆体の開発
• Authors: Ting-Hsun Chi, Chu-Rong Chen, Chi-Tun Hsu, Hsuan-Ting Lin, Sheng-Yu Huang, Cheng Sun, Yu-Chiang Frank Wang,
• Abstract要約: 有望な2つの明示的表現、すなわち3Dガウススプラッティングとスパースボクセル化は相補的な強みと弱みを示す。 ボクセルを可視な場所に配置するボクセル法と、適切な詳細レベルを組み合わせることにより、その利点を両立させる。 標準ベンチマークの実験では、従来の手法よりも精度が向上し、微細構造回復が向上し、より完全な表面が得られた。
• 参考スコア（独自算出の注目度）: 38.315369778574386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing accurate surfaces with radiance fields has progressed rapidly, yet two promising explicit representations, 3D Gaussian Splatting and sparse-voxel rasterization, exhibit complementary strengths and weaknesses. 3D Gaussian Splatting converges quickly and carries useful geometric priors, but surface fidelity is limited by its point-like parameterization. Sparse-voxel rasterization provides continuous opacity fields and crisp geometry, but its typical uniform dense-grid initialization slows convergence and underutilizes scene structure. We combine the advantages of both by introducing a voxel initialization method that places voxels at plausible locations and with appropriate levels of detail, yielding a strong starting point for per-scene optimization. To further enhance depth consistency without blurring edges, we propose refined depth geometry supervision that converts multi-view cues into direct per-ray depth regularization. Experiments on standard benchmarks demonstrate improvements over prior methods in geometric accuracy, better fine-structure recovery, and more complete surfaces, while maintaining fast convergence.
• Abstract（参考訳）: 放射場による正確な表面の再構成は急速に進んでいるが、3Dガウス・スプティングとスパース・ボクセル・ラスタ化という有望な2つの明示的な表現は相補的な強みと弱みを示す。 3次元ガウススプラッティングは急速に収束し、有用な幾何学的先行性を持つが、表面の忠実度はその点のようなパラメータ化によって制限される。 スパース・ボクセル・ラスタライゼーションは連続不透明場とクリップ幾何学を提供するが、典型的な一様高密度グリッドの初期化は収束を遅くし、シーン構造を弱くする。 ボクセルを可視な位置に配置するボクセル初期化法と,適切な詳細レベルを併用することにより,シーンごとの最適化の出発点となる。 エッジをぼかすことなく奥行きの整合性をさらに向上するため,マルチビューキューを直視深度正規化に変換する改良された深度幾何監督法を提案する。 標準ベンチマークの実験では、高速収束を維持しながら、幾何精度、より優れた微細構造回復、より完全な表面における従来の手法よりも改善されたことが示されている。

関連論文リスト

• SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
  我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
  論文  参考訳（メタデータ） (2025-11-21T16:32:01Z)
• SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction [26.59203606048875]
  高品質な新しいビューレンダリングを保ちながら、より正確で詳細な表面を再構築する手法であるnetを提案する。 我々の重要な洞察は、レンダリング品質と幾何推定を橋渡しするStereo Geometry-Texture Alignmentを導入することである。 さらに,多視点幾何整合性を実現するPseudo-Feature Enhanced Geometry Consistencyを提案する。
  論文  参考訳（メタデータ） (2025-11-18T16:24:37Z)
• SOF: Sorted Opacity Fields for Fast Unbounded Surface Reconstruction [8.905668938519279]
  3次元ガウス表現は、画像に基づくシーン再構成の品質と効率を大幅に改善した。 多くの既存手法は近似深度推定と大域的ソートに依存しており、アーティファクトを導入し、再構成メッシュの忠実さを制限することができる。 本稿では,3次元ガウスから詳細な表面を高速かつ高精度に復元する手法であるSorted Opacity Fields (SOF)を提案する。
  論文  参考訳（メタデータ） (2025-06-23T21:20:52Z)
• QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
  表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。 レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。 大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
  論文  参考訳（メタデータ） (2025-05-08T18:43:26Z)
• Sparse2DGS: Geometry-Prioritized Gaussian Splatting for Surface Reconstruction from Sparse Views [45.125032766506536]
  完全かつ正確な再構成のためのMVS-d Gaussian Splatting PipelineであるSparse2DGSを提案する。 我々の重要な洞察は、幾何学的優先順位付けされた拡張スキームを組み込むことであり、不適切な条件下での直接的かつ堅牢な幾何学的学習を可能にする。 Sparse2DGSは、NeRFベースの微調整方式よりも2倍の速さで既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-04-29T02:47:02Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
  本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-05-30T03:46:59Z)

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。