論文の概要: Revisiting 3D Reconstruction Kernels as Low-Pass Filters

• arxiv url: http://arxiv.org/abs/2601.17900v1
• Date: Sun, 25 Jan 2026 16:37:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.522328
• Title: Revisiting 3D Reconstruction Kernels as Low-Pass Filters
• Title（参考訳）: 低パスフィルタとしての3次元再構成カーネルの再検討
• Authors: Shengjun Zhang, Min Chen, Yibo Wei, Mingyu Dong, Yueqi Duan,
• Abstract要約: 3D再構成は、サンプル化された離散2Dピクセルから3D信号を復元する。 本稿では,信号処理の観点から3次元再構成を再考する。 我々は、カットオフ周波数でゼロ等級に即時低下したJincカーネルを導入する。
• 参考スコア（独自算出の注目度）: 29.366077791499738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D reconstruction is to recover 3D signals from the sampled discrete 2D pixels, with the goal to converge continuous 3D spaces. In this paper, we revisit 3D reconstruction from the perspective of signal processing, identifying the periodic spectral extension induced by discrete sampling as the fundamental challenge. Previous 3D reconstruction kernels, such as Gaussians, Exponential functions, and Student's t distributions, serve as the low pass filters to isolate the baseband spectrum. However, their unideal low-pass property results in the overlap of high-frequency components with low-frequency components in the discrete-time signal's spectrum. To this end, we introduce Jinc kernel with an instantaneous drop to zero magnitude exactly at the cutoff frequency, which is corresponding to the ideal low pass filters. As Jinc kernel suffers from low decay speed in the spatial domain, we further propose modulated kernels to strick an effective balance, and achieves superior rendering performance by reconciling spatial efficiency and frequency-domain fidelity. Experimental results have demonstrated the effectiveness of our Jinc and modulated kernels.
• Abstract（参考訳）: 3D再構成は、サンプル化された離散2Dピクセルから3D信号を復元し、連続した3D空間を収束させることを目的としている。 本稿では,信号処理の観点からの3次元再構成を再考し,離散サンプリングによる周期スペクトル拡張を基本課題とする。 ガウス、指数関数、学生のt分布などの以前の3D再構成カーネルは、ベースバンドスペクトルを分離するための低パスフィルタとして機能する。 しかし、その一方的な低通過特性は、離散時間信号スペクトルにおける低周波成分と高周波成分の重複をもたらす。 この目的のために、理想の低域通過フィルタに対応するカットオフ周波数において、即時ドロップのゼロ等級のJincカーネルを導入する。 空間領域におけるJincカーネルの低減衰速度に悩まされているため,より効率的なバランスを保ち,空間効率と周波数領域の忠実度を調整して優れたレンダリング性能を実現するため,変調カーネルを提案する。 実験により、我々のJincおよび変調されたカーネルの有効性が示された。

関連論文リスト

• From Coarse to Fine: Learnable Discrete Wavelet Transforms for Efficient 3D Gaussian Splatting [5.026688852582894]
  AutoOpti3DGSは、視覚的忠実さを犠牲にすることなく、ガウスの増殖を自動的に抑制するトレーニングタイムフレームワークである。 ウェーブレット駆動で粗大なプロセスは、冗長な微細ガウスの形成を遅らせる。
  論文  参考訳（メタデータ） (2025-06-29T00:27:17Z)
• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• Spectral-GS: Taming 3D Gaussian Splatting with Spectral Entropy [14.320240635262756]
  3D-GSは形状の認識を欠き、代わりにスペクトル半径と視角勾配に依存して分割を決定する。 スペクトル分析に基づくスペクトルGSでは,3次元形状認識分割と2次元ビュー一貫性フィルタリング方式が導入された。
  論文  参考訳（メタデータ） (2024-09-19T13:38:04Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• FreGS: 3D Gaussian Splatting with Progressive Frequency Regularization [67.47895278233717]
  周波数空間における過度再構成問題に対処するために, 進行周波数正規化手法を開発した。 FreGSは優れた斬新なビュー合成を実現し、最先端の技術を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-03-11T17:00:27Z)

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。