論文の概要: UrbanGS: A Scalable and Efficient Architecture for Geometrically Accurate Large-Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2602.02089v1
• Date: Mon, 02 Feb 2026 13:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.169977
• Title: UrbanGS: A Scalable and Efficient Architecture for Geometrically Accurate Large-Scene Reconstruction
• Title（参考訳）: UrbanGS: 幾何学的精度の高い大規模シーン再構築のためのスケーラブルで効率的なアーキテクチャ
• Authors: Changbai Li, Haodong Zhu, Hanlin Chen, Xiuping Liang, Tongfei Chen, Shuwei Shao, Linlin Yang, Huobin Tan, Baochang Zhang,
• Abstract要約: UrbanGSは、都市規模のアプリケーションのためのスケーラブルな再構築フレームワークである。 幾何学的一貫性、メモリ効率、計算スケーラビリティの問題に対処する。 複数の都市データセットに対する実験により、UrbanGSはレンダリング品質、幾何精度、メモリ効率において優れた性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 30.233380858586454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While 3D Gaussian Splatting (3DGS) enables high-quality, real-time rendering for bounded scenes, its extension to large-scale urban environments gives rise to critical challenges in terms of geometric consistency, memory efficiency, and computational scalability. To address these issues, we present UrbanGS, a scalable reconstruction framework that effectively tackles these challenges for city-scale applications. First, we propose a Depth-Consistent D-Normal Regularization module. Unlike existing approaches that rely solely on monocular normal estimators, which can effectively update rotation parameters yet struggle to update position parameters, our method integrates D-Normal constraints with external depth supervision. This allows for comprehensive updates of all geometric parameters. By further incorporating an adaptive confidence weighting mechanism based on gradient consistency and inverse depth deviation, our approach significantly enhances multi-view depth alignment and geometric coherence, which effectively resolves the issue of geometric accuracy in complex large-scale scenes. To improve scalability, we introduce a Spatially Adaptive Gaussian Pruning (SAGP) strategy, which dynamically adjusts Gaussian density based on local geometric complexity and visibility to reduce redundancy. Additionally, a unified partitioning and view assignment scheme is designed to eliminate boundary artifacts and optimize computational load. Extensive experiments on multiple urban datasets demonstrate that UrbanGS achieves superior performance in rendering quality, geometric accuracy, and memory efficiency, providing a systematic solution for high-fidelity large-scale scene reconstruction.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、境界のあるシーンの高品質でリアルタイムなレンダリングを可能にするが、大規模な都市環境への拡張は、幾何的一貫性、メモリ効率、および計算スケーラビリティの面で重要な課題をもたらす。 これらの課題に対処するために,都市規模のアプリケーションにこれらの課題を効果的に解決するスケーラブルな再構築フレームワークであるUrbanGSを提案する。 まず,D-Normal Regularizationモジュールを提案する。 回転パラメータを効果的に更新するが、位置パラメータの更新に苦慮する既存手法とは異なり、本手法はD-Normal制約を外部深度監視と統合する。 これにより、全ての幾何学的パラメータを包括的に更新できる。 さらに、勾配の整合性と逆深度偏差に基づく適応的信頼度重み付け機構を組み込むことにより、多視点深度アライメントと幾何コヒーレンスを大幅に向上させ、複雑な大規模シーンにおける幾何精度の問題を効果的に解決する。 拡張性を向上させるために,局所的な幾何学的複雑さと可視性に基づいてガウス密度を動的に調整し,冗長性を低減する空間適応ガウスプラニング(SAGP)戦略を導入する。 さらに、境界アーチファクトを排除し、計算負荷を最適化するために、統一的なパーティショニングとビューの割り当てスキームが設計されている。 複数の都市データセットに対する大規模な実験により、UrbanGSはレンダリング品質、幾何精度、メモリ効率において優れた性能を示し、高忠実な大規模シーン再構築のための体系的なソリューションを提供する。

関連論文リスト

• MetroGS: Efficient and Stable Reconstruction of Geometrically Accurate High-Fidelity Large-Scale Scenes [20.601722393809244]
  複雑な都市環境における効率的で堅牢な復興のための新しいフレームワークであるMetroGSを紹介する。 本手法は,分散2次元ガウススプラッティング表現を基本基盤として構築する。 大規模な都市データセットの実験により、MetroGSはより優れた幾何学的精度、レンダリング品質を達成することが示された。
  論文  参考訳（メタデータ） (2025-11-24T14:34:19Z)
• MoRE: 3D Visual Geometry Reconstruction Meets Mixture-of-Experts [50.37005070020306]
  MoREは、Mixture-of-Experts (MoE)アーキテクチャに基づいた、密集した3Dビジュアル基盤モデルである。 MoREは、幾何推定を安定させ、洗練する信頼に基づく深度補正モジュールを組み込んでいる。 高忠実な表面正規予測のために,高密度なセマンティック特徴とグローバルな3Dバックボーン表現を統合する。
  論文  参考訳（メタデータ） (2025-10-31T06:54:27Z)
• GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control [6.91367883100748]
  Gaussian Splattingは、リアルタイムのパフォーマンスをサポートしながら、リアルな画像をレンダリングする代替手段である。 本稿では,初期化,最適化,密度制御における課題に対処するため,3次元ガウス分割法(3DGS)citeKerbl2023を提案する。 提案手法は,高忠実度画像をリアルタイムにレンダリングすることで,最先端の手法に匹敵する,あるいは優れた結果を示す。
  論文  参考訳（メタデータ） (2025-07-01T01:29:31Z)
• Multiview Geometric Regularization of Gaussian Splatting for Accurate Radiance Fields [8.41704235466682]
  本稿では,多視点ステレオ(MVS)深度,RGB,および正規制約をガウススプラッティングに統合する効果的な多視点幾何正規化戦略を提案する。 我々の重要な洞察は、MVS由来の深度点とガウススプラッティング最適化位置の相補的関係である。 この知見を活用するために、不確実性推定を伴う中央値の深度に基づく相対的な深度損失を導入する。
  論文  参考訳（メタデータ） (2025-06-16T14:02:46Z)
• 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)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• AGS-Mesh: Adaptive Gaussian Splatting and Meshing with Geometric Priors for Indoor Room Reconstruction Using Smartphones [19.429461194706786]
  室内シーンの正確な3次元再構成のためのガウススメッティング法における接合面深度と正規化のアプローチを提案する。 我々のフィルタリング戦略と最適化設計は、メッシュ推定と新規ビュー合成の両方において大きな改善を示す。
  論文  参考訳（メタデータ） (2024-11-28T17:04:32Z)
• CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes [53.107474952492396]
  CityGaussianV2は大規模なシーン再構築のための新しいアプローチである。 分解段階の密度化・深さ回帰手法を実装し, ぼやけたアーチファクトを除去し, 収束を加速する。 本手法は, 視覚的品質, 幾何学的精度, ストレージ, トレーニングコストの両立を図っている。
  論文  参考訳（メタデータ） (2024-11-01T17:59:31Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)

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。