論文の概要: AstroSplat: Physics-Based Gaussian Splatting for Rendering and Reconstruction of Small Celestial Bodies
- arxiv url: http://arxiv.org/abs/2603.11969v1
- Date: Thu, 12 Mar 2026 14:15:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:26.135377
- Title: AstroSplat: Physics-Based Gaussian Splatting for Rendering and Reconstruction of Small Celestial Bodies
- Title（参考訳）: AstroSplat:小さな骨格体のレンダリングと再構成のための物理ベースガウススプレイティング
- Authors: Jennifer Nolan, Travis Driver, John Christian,
- Abstract要約: 本稿では,惑星反射モデルを統合した物理ベースのフレームワークAstroSplatを紹介する。
提案手法は、NASAのDawnミッションによって撮影された実際の画像に基づいて検証され、典型的な球面高調波パラメータ化よりも優れたレンダリング性能と表面再構成精度を示す。
- 参考スコア（独自算出の注目度）: 0.38233569758620045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image-based surface reconstruction and characterization are crucial for missions to small celestial bodies (e.g., asteroids), as it informs mission planning, navigation, and scientific analysis. Recent advances in Gaussian splatting enable high-fidelity neural scene representations but typically rely on a spherical harmonic intensity parameterization that is strictly appearance-based and does not explicitly model material properties or light-surface interactions. We introduce AstroSplat, a physics-based Gaussian splatting framework that integrates planetary reflectance models to improve the autonomous reconstruction and photometric characterization of small-body surfaces from in-situ imagery. The proposed framework is validated on real imagery taken by NASA's Dawn mission, where we demonstrate superior rendering performance and surface reconstruction accuracy compared to the typical spherical harmonic parameterization.
- Abstract（参考訳）: 画像に基づく表面の再構成と特徴付けは、小さな天体(小惑星など)へのミッションには不可欠である。
ガウススプラッティングの最近の進歩は、高忠実なニューラルシーンの表現を可能にするが、典型的には球面の高調波のパラメータ化に頼っている。
AstroSplatは、惑星反射モデルを統合して、その場画像から小体表面の自律的再構成と光度評価を改善する物理ベースのガウススプラッティングフレームワークである。
提案手法は、NASAのDawnミッションによって撮影された実際の画像に基づいて検証され、典型的な球面高調波パラメータ化よりも優れたレンダリング性能と表面再構成精度を示す。
関連論文リスト
- PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - Lunar-G2R: Geometry-to-Reflectance Learning for High-Fidelity Lunar BRDF Estimation [0.11242503819703255]
月面デジタル標高モデル(DEM)から直接空間的に変化するBRDFパラメータを予測する幾何学-反射学習フレームワークを提案する。
チコクレーターの地理的に保持された地域での実験では, 最先端のベースラインに比べて光度誤差が38%減少することが示された。
論文 参考訳（メタデータ） (2026-01-15T14:39:25Z) - VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。
ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-10-13T14:44:50Z) - MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。
本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における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） (2025-10-13T13:29:20Z) - GOGS: High-Fidelity Geometry and Relighting for Glossy Objects via Gaussian Surfels [0.9392167468538465]
RGB画像からの光沢のある物体の逆レンダリングは、本質的には固有の曖昧さによって制限されている。
2次元ガウス波をベースとした新しい2段階フレームワークGOGSを提案する。
我々は、新しい照明下での幾何再構成、物質分離、光リアルリライティングにおける最先端性能を実証する。
論文 参考訳（メタデータ） (2025-08-20T09:35:40Z) - A Mixed-Primitive-based Gaussian Splatting Method for Surface Reconstruction [61.205927223522174]
本稿では,ガウススプラッティングが表面再構成過程において,複数のプリミティブを組み込むことを可能にする新しいフレームワークを提案する。
具体的には,我々はまず,異なる種類のプリミティブのスプレイティングとレンダリングを可能にする構成的スプレイティング戦略を提案する。
論文 参考訳（メタデータ） (2025-07-15T13:52:40Z) - Stereophotoclinometry Revisited [14.971236515078857]
Photoclinometry-from-Motion (PhoMo) は、フォトクリノメトリ技法をキーポイントベースの構造移動システムに組み込む新しいフレームワークである。
PhoMoは、検出されたランドマークで表面の正常とアルベドを推定し、自律的な表面を改善し、小さな天体の形状を特徴づける。
提案された枠組みは、小惑星Vestaと小惑星CeresへのDawnミッションによって撮影された実際の画像に基づいて検証されている。
論文 参考訳（メタデータ） (2025-04-11T04:33:56Z) - PhySG: Inverse Rendering with Spherical Gaussians for Physics-based
Material Editing and Relighting [60.75436852495868]
本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。
我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
論文 参考訳（メタデータ） (2021-04-01T17:59:02Z) - Development of a High Fidelity Simulator for Generalised Photometric
Based Space Object Classification using Machine Learning [0.5627346969563953]
本稿では,一般住民空間オブジェクト(RSO)特徴付けのためのディープラーニング分類器の開発における初期段階について述べる。
RSOの分類と特徴化は、軌道予測の精度を向上させるために、SSA(Space situational Awareness)において重要な目標である。
本研究の目的は,現実的な光曲線を生成するための高忠実度シミュレーション環境の開発である。
論文 参考訳（メタデータ） (2020-04-26T02:10:15Z)
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。