論文の概要: FTSplat: Feed-forward Triangle Splatting Network

• arxiv url: http://arxiv.org/abs/2603.05932v1
• Date: Fri, 06 Mar 2026 06:04:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:45.116041
• Title: FTSplat: Feed-forward Triangle Splatting Network
• Title（参考訳）: FTSplat:フィードフォワードトライアングルスプレーティングネットワーク
• Authors: Xiong Jinlin, Li Can, Shen Jiawei, Qi Zhigang, Sun Lei, Zhao Dongyang,
• Abstract要約: キャリブレーションされた多視点画像から連続した三角形表面を直接予測する三角形原始生成のためのフィードフォワードフレームワークを提案する。 本手法は,シミュレーション可能なモデルを1つのフォワードパスで生成し,シーンごとの最適化や後処理の必要性を回避する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity three-dimensional (3D) reconstruction is essential for robotics and simulation. While Neural Radiance Fields (NeRF) and 3D Gaussian Splatting (3DGS) achieve impressive rendering quality, their reliance on time-consuming per-scene optimization limits real-time deployment. Emerging feed-forward Gaussian splatting methods improve efficiency but often lack explicit, manifold geometry required for direct simulation. To address these limitations, we propose a feed-forward framework for triangle primitive generation that directly predicts continuous triangle surfaces from calibrated multi-view images. Our method produces simulation-ready models in a single forward pass, obviating the need for per-scene optimization or post-processing. We introduce a pixel-aligned triangle generation module and incorporate relative 3D point cloud supervision to enhance geometric learning stability and consistency. Experiments demonstrate that our method achieves efficient reconstruction while maintaining seamless compatibility with standard graphics and robotic simulators.
• Abstract（参考訳）: 高忠実度3次元再構成はロボット工学とシミュレーションに不可欠である。 Neural Radiance Fields(NeRF)と3D Gaussian Splatting(3DGS)は印象的なレンダリング品質を実現する一方で、シーンごとの時間消費の最適化に依存しているため、リアルタイムデプロイメントが制限される。 フィードフォワードのガウススプレイティング手法は効率を向上するが、直接シミュレーションに必要な明示的な多様体幾何学を欠いていることが多い。 これらの制約に対処するため、キャリブレーションされたマルチビュー画像から連続三角形面を直接予測するトライアングルプリミティブ生成のためのフィードフォワードフレームワークを提案する。 本手法は,シミュレーション可能なモデルを1つのフォワードパスで生成し,シーンごとの最適化や後処理の必要性を回避する。 画素整列三角形生成モジュールを導入し,幾何学的学習安定性と整合性を高めるために,相対的な3次元点雲監視を取り入れた。 実験により,標準的なグラフィックスやロボットシミュレータとのシームレスな互換性を維持しつつ,効率的な再構築を実現することができた。

関連論文リスト

• Triangle Splatting+: Differentiable Rendering with Opaque Triangles [54.18495204764292]
  微分可能なスティングフレームワーク内での三角形を直接最適化するTriangle Splatting+を導入する。 本手法は, 視覚的忠実度において, より効率的かつ高速なトレーニングを継続しながら, 従来のスプレイティング手法を超越した手法である。 結果として生じるセミコネクテッドメッシュは、物理ベースのシミュレーションやインタラクティブなウォークスルーのような下流のアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-09-29T17:43:46Z)
• 2D Triangle Splatting for Direct Differentiable Mesh Training [4.161453036693641]
  2DTS(2D Triangle Splatting)は、3次元ガウス原始体を2次元三角形のフェーレットに置き換える新しい方法である。 三角形プリミティブにコンパクト性パラメータを組み込むことで、光現実性メッシュの直接訓練を可能にする。 提案手法は,既存のメッシュ再構成手法と比較して,視覚的品質の優れた再構成メッシュを生成する。
  論文  参考訳（メタデータ） (2025-06-23T12:26:47Z)
• HORT: Monocular Hand-held Objects Reconstruction with Transformers [61.36376511119355]
  モノクロ画像から手持ちの物体を3Dで再構成することは、コンピュータビジョンにおいて重要な課題である。 ハンドヘルドオブジェクトの高密度な3次元点群を効率的に再構成するトランスフォーマーモデルを提案する。 提案手法は,高速な推測速度で最先端の精度を達成し,画像の幅を最適化する。
  論文  参考訳（メタデータ） (2025-03-27T09:45:09Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• CRM: Single Image to 3D Textured Mesh with Convolutional Reconstruction Model [37.75256020559125]
  本稿では,高忠実度フィードフォワード画像から3次元画像生成モデルを提案する。 ネットワーク設計に幾何学的事前情報を統合する必要性を強調した。 我々のモデルは、テストタイムの最適化なしに、画像から10秒で高忠実なテクスチャメッシュを提供する。
  論文  参考訳（メタデータ） (2024-03-08T04:25:29Z)

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。