論文の概要: Semantic-Guided 3D Gaussian Splatting for Transient Object Removal

• arxiv url: http://arxiv.org/abs/2602.15516v1
• Date: Tue, 17 Feb 2026 11:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.052118
• Title: Semantic-Guided 3D Gaussian Splatting for Transient Object Removal
• Title（参考訳）: 過渡的物体除去のための意味誘導型3次元ガウススプラッティング
• Authors: Aditi Prabakaran, Priyesh Shukla,
• Abstract要約: 視覚言語モデルを用いたカテゴリー認識過渡的除去のためのセマンティックフィルタリングフレームワークを提案した。 RobustNeRFベンチマークの実験では、バニラ3DGSよりも復元品質が一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 0.39287497907611874
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transient objects in casual multi-view captures cause ghosting artifacts in 3D Gaussian Splatting (3DGS) reconstruction. Existing solutions relied on scene decomposition at significant memory cost or on motion-based heuristics that were vulnerable to parallax ambiguity. A semantic filtering framework was proposed for category-aware transient removal using vision-language models. CLIP similarity scores between rendered views and distractor text prompts were accumulated per-Gaussian across training iterations. Gaussians exceeding a calibrated threshold underwent opacity regularization and periodic pruning. Unlike motion-based approaches, semantic classification resolved parallax ambiguity by identifying object categories independently of motion patterns. Experiments on the RobustNeRF benchmark demonstrated consistent improvement in reconstruction quality over vanilla 3DGS across four sequences, while maintaining minimal memory overhead and real-time rendering performance. Threshold calibration and comparisons with baselines validated semantic guidance as a practical strategy for transient removal in scenarios with predictable distractor categories.
• Abstract（参考訳）: カジュアルな多視点撮影における過渡的な物体は、3Dガウススプラッティング(3DGS)の復元においてゴーストアーティファクトを引き起こす。 既存のソリューションは、メモリコストの大きなシーン分解や、パララックスの曖昧さに弱いモーションベースのヒューリスティックに依存していた。 視覚言語モデルを用いたカテゴリー認識過渡的除去のためのセマンティックフィルタリングフレームワークを提案した。 レンダリングビューとイントラクタテキストプロンプトのCLIP類似度スコアは、トレーニングイテレーション毎にガウス単位に蓄積された。 ガウス人は不透明な規則化と周期的なプルーニングを受けた。 動作に基づくアプローチとは異なり、意味的分類は運動パターンとは独立に対象カテゴリーを識別することでパララックスの曖昧さを解消した。 RobustNeRFベンチマークの実験では、4つのシーケンスにわたるバニラ3DGSの再構築品質が一貫して改善され、メモリオーバーヘッドの最小化とリアルタイムレンダリング性能が維持された。 予測可能な障害カテゴリーを持つシナリオにおける過渡的除去のための実践的戦略として,閾値キャリブレーションとベースラインとの比較により,セマンティックガイダンスの有効性が検証された。

関連論文リスト

• RAG-3DSG: Enhancing 3D Scene Graphs with Re-Shot Guided Retrieval-Augmented Generation [14.318014901625666]
  Open-vocabulary 3D Scene Graph (3DSG) 生成は、構造化セマンティック表現を活用することで、操作やナビゲーションといったロボット工学におけるさまざまな下流タスクを強化することができる。 オープン語彙3DSG生成のための既存の作業は、オブジェクトレベルの認識精度と速度の両方が低い。 我々はRAG-3DSGを提案する。RAG(Retrieval-Augmented Generation)とRAG(Retrieval-Augmented Generation)は、信頼性の高い低不確実性オブジェクトを経由する。
  論文  参考訳（メタデータ） (2026-01-15T08:15:01Z)
• Binary-Gaussian: Compact and Progressive Representation for 3D Gaussian Segmentation [83.90109373769614]
  3D Gaussian Splatting (3D-GS)は効率的な3D表現として登場し、セグメンテーションのようなセグメンテーションタスクのための有望な基盤となっている。 本稿では,各特徴を2進数対決定写像によって1つの整数に圧縮する,ガウス単位のカテゴリ表現のための粗大なバイナリ符号化方式を提案する。 さらに,個別のサブタスクに分割し,クラス間の衝突を減らし,きめ細かいセグメンテーション能力を向上させるプログレッシブトレーニング戦略を設計する。
  論文  参考訳（メタデータ） (2025-11-30T15:51:30Z)
• IDSplat: Instance-Decomposed 3D Gaussian Splatting for Driving Scenes [25.939318593012484]
  動的駆動シーンの再構築は、センサ・リアリスティック・シミュレーションによる自律システム開発に不可欠である。 我々は,動的シーンを明示的なインスタンス分解と学習可能なモーショントラジェクトリで再構成する,自己教師型3次元ガウススティングフレームワークIDSplatを提案する。 本手法は, インスタンスレベルの分解を維持しつつ, 競合する再構成品質を実現し, 再トレーニングを伴わずに, 多様なシーケンスやビュー密度を一般化する。
  論文  参考訳（メタデータ） (2025-11-24T15:48:08Z)
• Metropolis-Hastings Sampling for 3D Gaussian Reconstruction [31.840492077537018]
  3次元ガウス平滑化のための適応型サンプリングフレームワーク(3DGS)を提案する。 我々の枠組みは, 確率的サンプリングプロセスとして, デンシフィケーションとプルーニングを改質することで限界を克服する。 提案手法は,最先端モデルのビュー合成品質を適度に上回りながら,より高速な収束を実現する。
  論文  参考訳（メタデータ） (2025-06-15T19:12:37Z)
• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Motion Matters: Compact Gaussian Streaming for Free-Viewpoint Video Reconstruction [57.76758872762516]
  3D Gaussian Splatting (3DGS)は、オンライン自由視点ビデオ(FVV)再構成のための高忠実で効率的なパラダイムとして登場した。 本研究では,動的シーンにおける動きの局所性と一貫性を活かした,コンパクトガウスストリーミング(ComGS)フレームワークを提案する。 ComGS は 3DGStream や 14X に比べて 159 X 以上のストレージ削減を実現している。
  論文  参考訳（メタデータ） (2025-05-22T11:22:09Z)
• COB-GS: Clear Object Boundaries in 3DGS Segmentation Based on Boundary-Adaptive Gaussian Splitting [67.03992455145325]
  3D Gaussian Splatting(3DGS)に基づく3Dセグメンテーションは、オブジェクトの境界を正確に記述するのに苦労する。 セグメンテーション精度の向上を目的とした3DGS(COB-GS)のためのクリアオブジェクト境界を導入する。 意味指導には境界適応型ガウス分割法を導入する。 視覚的最適化のために、3DGSシーンの劣化したテクスチャを補正する。
  論文  参考訳（メタデータ） (2025-03-25T08:31:43Z)
• MVGSR: Multi-View Consistency Gaussian Splatting for Robust Surface Reconstruction [46.081262181141504]
  3D Gaussian Splatting (3DGS)は高品質なレンダリング機能、超高速トレーニング、推論速度で注目されている。 我々はロバスト表面再構成(textbfMVGSR)の領域に対するマルチビュー一貫性ガウススティングを提案する。 MVGSRは、最先端の表面再構成アルゴリズムと比較して、競合する幾何学的精度とレンダリング忠実度を実現している。
  論文  参考訳（メタデータ） (2025-03-11T06:53:27Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)

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。