論文の概要: GSM-GS: Geometry-Constrained Single and Multi-view Gaussian Splatting for Surface Reconstruction
- arxiv url: http://arxiv.org/abs/2602.12796v1
- Date: Fri, 13 Feb 2026 10:26:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.921385
- Title: GSM-GS: Geometry-Constrained Single and Multi-view Gaussian Splatting for Surface Reconstruction
- Title（参考訳）: GSM-GS:表面再構成のための幾何制約付き単一及び多視点ガウススプラッティング
- Authors: Xiao Ren, Yu Liu, Ning An, Jian Cheng, Xin Qiao, He Kong,
- Abstract要約: ガウス点雲の非構造的かつ不規則な性質は 精度の回復に困難をもたらす
GSM-GS: 単視点適応部分領域重み付け制約と多視点空間構造改善を統合した相乗的最適化フレームワークを提案する。
提案手法は,レンダリング品質と幾何学的再構成の両立を実現している。
- 参考スコア（独自算出の注目度）: 16.96307929629197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, 3D Gaussian Splatting has emerged as a prominent research direction owing to its ultrarapid training speed and high-fidelity rendering capabilities. However, the unstructured and irregular nature of Gaussian point clouds poses challenges to reconstruction accuracy. This limitation frequently causes high-frequency detail loss in complex surface microstructures when relying solely on routine strategies. To address this limitation, we propose GSM-GS: a synergistic optimization framework integrating single-view adaptive sub-region weighting constraints and multi-view spatial structure refinement. For single-view optimization, we leverage image gradient features to partition scenes into texture-rich and texture-less sub-regions. The reconstruction quality is enhanced through adaptive filtering mechanisms guided by depth discrepancy features. This preserves high-weight regions while implementing a dual-branch constraint strategy tailored to regional texture variations, thereby improving geometric detail characterization. For multi-view optimization, we introduce a geometry-guided cross-view point cloud association method combined with a dynamic weight sampling strategy. This constructs 3D structural normal constraints across adjacent point cloud frames, effectively reinforcing multi-view consistency and reconstruction fidelity. Extensive experiments on public datasets demonstrate that our method achieves both competitive rendering quality and geometric reconstruction. See our interactive project page
- Abstract（参考訳）: 近年,超ラピッドトレーニング速度と高忠実度レンダリング能力により,3Dガウススプラッティングが顕著な研究方向として浮上している。
しかし、ガウス点雲の非構造的かつ不規則な性質は、精度の復元に困難をもたらす。
この制限は、日常的な戦略にのみ依存する場合、複雑な表面の微細構造において、しばしば高周波の細部が失われる。
この制限に対処するために,単一ビュー適応部分領域重み付け制約と多視点空間構造改善を組み合わせた相乗的最適化フレームワークGSM-GSを提案する。
単一ビュー最適化では、画像勾配機能を利用してシーンをテクスチャリッチでテクスチャレスなサブリージョンに分割する。
深度差分特徴によって誘導される適応フィルタリング機構により、再構成品質が向上する。
これにより、局所的なテクスチャの変化に合わせた二重ブランチ制約戦略を実装しながら、ハイウェイトな領域を保存し、幾何学的ディテールのキャラクタリゼーションを改善する。
マルチビュー最適化のために、動的重量サンプリング戦略と組み合わせた幾何誘導型クロスビューポイントクラウドアソシエーション手法を提案する。
これにより、隣接する点雲フレームにまたがる3次元構造的正規制約が構築され、マルチビューの一貫性と再構成の忠実性が効果的に強化される。
公開データセットに対する大規模な実験により,提案手法はレンダリング品質と幾何再構成の両立を図っている。
インタラクティブなプロジェクトページを見てください。
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) - Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。
OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-09-29T05:43:40Z) - Multi-Sample Anti-Aliasing and Constrained Optimization for 3D Gaussian Splatting [6.336372495476242]
本稿では,マルチサンプル・アンチエイリアスと2つの幾何学的制約を組み合わせた総合最適化フレームワークを提案する。
本システムでは,4重サブサンプルの適応ブレンディングにより画素色を計算し,高周波成分のエイリアスを効果的に低減する。
本手法は,特に高周波テクスチャと鋭い不連続の保存において,詳細な保存における最先端性能を実現する。
論文 参考訳（メタデータ） (2025-08-14T10:14:36Z) - Evolving High-Quality Rendering and Reconstruction in a Unified Framework with Contribution-Adaptive Regularization [27.509109317973817]
3D Gaussian Splatting (3DGS)は、高品質なレンダリングと高速な推論速度で注目されている。
従来の手法は主に幾何学的正則化に焦点を当てており、プリミティブベースのフレームワークやデュアルモデルフレームワークを含む一般的なアプローチがある。
本稿では,高画質表面再構成を実現するために,適応正規化を利用した統一モデルであるCarGSを提案する。
論文 参考訳（メタデータ） (2025-03-02T12:51:38Z) - 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) - Adaptive and Temporally Consistent Gaussian Surfels for Multi-view Dynamic Reconstruction [3.9363268745580426]
AT-GSは、フレーム単位のインクリメンタル最適化により、多視点ビデオから高品質な動的曲面を再構成する新しい手法である。
連続するフレーム間の曲率写像の整合性を確保することにより、動的表面における時間的ジッタリングを低減する。
本手法は動的表面再構成の精度と時間的コヒーレンスを向上し,高忠実度空間時間新奇なビュー合成を実現する。
論文 参考訳（メタデータ） (2024-11-10T21:30:16Z) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z) - GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。
我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。
提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-03-17T20:06:41Z)
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。