論文の概要: Spherical-GOF: Geometry-Aware Panoramic Gaussian Opacity Fields for 3D Scene Reconstruction
- arxiv url: http://arxiv.org/abs/2603.08503v1
- Date: Mon, 09 Mar 2026 15:35:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:16.312263
- Title: Spherical-GOF: Geometry-Aware Panoramic Gaussian Opacity Fields for 3D Scene Reconstruction
- Title（参考訳）: Spherical-GOF:3次元シーン再構成のための幾何学的パノラマガウス空間
- Abstract要約: Spherical-GOF(Spherical-GOF)は、ガウスのOpacity Fields(GOF)上に構築された一方向レンダリングフレームワークである。
GOFは球面上の単位球面に直接GOF線サンプリングを行い、パノラマ描画のための一貫した光-ガウス相互作用を可能にする。
標準的なパノラマベンチマークの実験は、競争力のある測光品質を示し、一貫性を大幅に改善した。
- 参考スコア（独自算出の注目度）: 17.20174890101058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Omnidirectional images are increasingly used in robotics and vision due to their wide field of view. However, extending 3D Gaussian Splatting (3DGS) to panoramic camera models remains challenging, as existing formulations are designed for perspective projections and naive adaptations often introduce distortion and geometric inconsistencies. We present Spherical-GOF, an omnidirectional Gaussian rendering framework built upon Gaussian Opacity Fields (GOF). Unlike projection-based rasterization, Spherical-GOF performs GOF ray sampling directly on the unit sphere in spherical ray space, enabling consistent ray-Gaussian interactions for panoramic rendering. To make the spherical ray casting efficient and robust, we derive a conservative spherical bounding rule for fast ray-Gaussian culling and introduce a spherical filtering scheme that adapts Gaussian footprints to distortion-varying panoramic pixel sampling. Extensive experiments on standard panoramic benchmarks (OmniBlender and OmniPhotos) demonstrate competitive photometric quality and substantially improved geometric consistency. Compared with the strongest baseline, Spherical-GOF reduces depth reprojection error by 57% and improves cycle inlier ratio by 21%. Qualitative results show cleaner depth and more coherent normal maps, with strong robustness to global panorama rotations. We further validate generalization on OmniRob, a real-world robotic omnidirectional dataset introduced in this work, featuring UAV and quadruped platforms. The source code and the OmniRob dataset will be released at https://github.com/1170632760/Spherical-GOF.
- Abstract（参考訳）: 対向画像は、ロボット工学や視覚学において、その視野が広いため、ますます使われている。
しかし、3Dガウススプラッティング(3DGS)をパノラマカメラモデルに拡張することは依然として困難であり、既存の定式化は視点投影のために設計されており、単純適応は歪みや幾何学的不整合をもたらすことが多い。
本稿では,Gaussian Opacity Fields (GOF) 上に構築した全方位ガウスレンダリングフレームワークであるSpherical-GOFを紹介する。
射影ベースのラスタ化とは異なり、Spherical-GOFは球面空間の単位球面に直接GOF線サンプリングを行い、パノラマ描画のための一貫した光-ガウス相互作用を可能にする。
球状光線キャスティングを効率的かつ堅牢にするために,高速光ガウスカリングの球面境界規則を導出し,ガウスフットプリントを歪み変動パノラマ画素サンプリングに適応させる球面フィルタリング方式を導入する。
標準パノラマベンチマーク(OmniBlender と OmniPhotos)の大規模な実験は、競合する測光品質を示し、幾何整合性を大幅に改善した。
最強のベースラインと比較すると、Spherical-GOFは深さ再射誤差を57%削減し、サイクル不整合比を21%改善する。
定性的結果は、よりクリーンな深さとよりコヒーレントな正規写像を示し、大域的なパノラマ回転に対して強い堅牢性を示す。
この研究で導入された実際のロボット全方位データセットであるOmniRobの一般化をさらに検証し、UAVと四足歩行プラットフォームを特徴とする。
ソースコードとOmniRobデータセットはhttps://github.com/1170632760/Spherical-GOFでリリースされる。
関連論文リスト
- Geometry and Gradient-based Partitioning for Panoramic Outdoor Reconstruction [32.80582033500264]
PanoLOGは、Geometry and Gradientベースのパーティショニング戦略を備えた、2段階の粗粒化フレームワークである。
屋外シーン再構築のための大規模パノラマデータセットの最初のベンチマークであるパノ360を構築した。
論文 参考訳（メタデータ） (2026-07-09T17:59:43Z) - UniTriSplat: A Unified 3D Gaussian Splatting Framework with Uniform Spherical Rasterization for Universal Cameras [23.37105294238413]
UniTriSplatは、ユニバーサルカメラのための統一された3DGSフレームワークで、HEALPixの離散化により、単位球上のガウススプラッティングを再構成する。
球状ラジアン領域におけるガウスの前方レンダリングと勾配伝播を導出し,狭視野FoV画像から全360度パノラマまで均一な最適化挙動を示す。
論文 参考訳（メタデータ） (2026-06-29T05:14:48Z) - MyGO-Splat: Multi-Objective Closed-Loop Geometric Feedback for RGB-Only Gaussian SLAM [22.81691196847663]
MyGO-Splatは閉ループガウスのSLAMフレームワークで、プリミティブをピクセル幅の深さと表面の正規に解析する。
この閉ループ設計によりスケール安定性と外観形状の整合性が向上し,単分子入力のみを使用しながらRGB-D法に匹敵する性能が得られることを示す。
論文 参考訳（メタデータ） (2026-06-29T03:22:06Z) - UniSHARP: Universal Sharp Monocular View Synthesis [69.33495127820123]
我々は、カメラシステムの連続体にまたがる一眼レフレンダリングのための一般的なビュー合成手法であるSHARPの拡張に焦点をあてる。
SHARPのピンホール固有の仮定を克服するために、我々は様々な画像を全方位潜在空間に整列させることが重要である。
特徴空間とガウス空間の両方において暗黙的なアライメントを行うUniSHARPを提案する。
論文 参考訳（メタデータ） (2026-06-05T17:59:41Z) - PanoVGGT: Feed-Forward 3D Reconstruction from Panoramic Imagery [41.23812453847979]
PanoVGGTは、1つの前方パスで1つまたは複数のパノラマからカメラのポーズ、深度マップ、および3Dポイントの雲を共同で予測する。
さらに,深度と6-DoFのポーズアノテーションを備えた大規模屋外パノラマデータセットであるPanoCityをコントリビュートした。
論文 参考訳（メタデータ） (2026-03-18T10:24:06Z) - Unified Spherical Frontend: Learning Rotation-Equivariant Representations of Spherical Images from Any Camera [12.448357304482668]
統一球面フロントエンド(英: Unified Spherical Frontend、USF)は、レンズに依存しないフレームワークで、任意のカメラからの画像を光線方向対応によって単位球表現に変換する。
USFは高解像度の球面画像を効率的に処理し、ランダムなテスト時間回転で1%未満のパフォーマンス低下を維持する。
論文 参考訳（メタデータ） (2025-11-22T19:57:46Z) - PanoWorld-X: Generating Explorable Panoramic Worlds via Sphere-Aware Video Diffusion [87.13016347332943]
PanoWorld-Xは、多彩なカメラ軌道を持つ高忠実で制御可能なパノラマビデオ生成のための新しいフレームワークである。
動作範囲,制御精度,視覚的品質など,様々な面で優れた性能を示す実験を行った。
論文 参考訳（メタデータ） (2025-09-29T16:22:00Z) - 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians [15.776720879897345]
本稿では3DGEER(Exact and Efficient Volumetric Gaussian Rendering method)を紹介する。
提案手法は従来手法を一貫して上回り, リアルタイムなニューラルレンダリングにおける新しい最先端技術を確立する。
論文 参考訳（メタデータ） (2025-05-29T22:52:51Z) - You Need a Transition Plane: Bridging Continuous Panoramic 3D Reconstruction with Perspective Gaussian Splatting [57.44295803750027]
本稿では,連続的なパノラマ3次元シーンをガウススプラッティングで橋渡しするための新しいフレームワークTPGSを提案する。
具体的には、個々の立方体面内で3Dガウスを最適化し、縫合されたパノラマ空間でそれらを微調整する。
屋内、屋外、エゴセントリック、ローミングのベンチマークデータセットの実験は、我々のアプローチが既存の最先端の手法より優れていることを示している。
論文 参考訳（メタデータ） (2025-04-12T03:42:50Z) - DoF-Gaussian: Controllable Depth-of-Field for 3D Gaussian Splatting [52.52398576505268]
3D-GSのための制御可能な深度法であるDoF-Gaussianを導入する。
我々は、DoF効果を制御するための幾何光学原理に基づくレンズベースイメージングモデルを開発した。
私たちのフレームワークはカスタマイズ可能で、様々なインタラクティブアプリケーションをサポートしています。
論文 参考訳（メタデータ） (2025-03-02T05:57:57Z) - MCPDepth: Omnidirectional Depth Estimation via Stereo Matching from Multi-Cylindrical Panoramas [49.891712558113845]
マルチシリンダパノラマ深さ推定(MCPDepth)を導入する。
MCPDepthは、全方位深度推定を強化するために設計された2段階のフレームワークである。
本手法は,屋外データセットのDeep360では平均絶対誤差(MAE)が18.8%,実データセットの3D60では19.9%向上する。
論文 参考訳（メタデータ） (2024-08-03T03:35:37Z) - Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。
GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。
GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
論文 参考訳（メタデータ） (2024-04-16T17:57:19Z) - OmniGS: Fast Radiance Field Reconstruction using Omnidirectional Gaussian Splatting [27.543561055868697]
現在の3次元ガウス散乱システムは、歪みのない視点画像を用いた放射場再構成しかサポートしていない。
高速な放射野再構成のための全方位画像を利用するため,新しい全方位撮影システムであるOmniGSを提案する。
論文 参考訳（メタデータ） (2024-04-04T05:10:26Z)
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。