論文の概要: Fast and Robust Deformable 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.20857v1
• Date: Sat, 21 Mar 2026 15:24:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.123385
• Title: Fast and Robust Deformable 3D Gaussian Splatting
• Title（参考訳）: 高速かつロバストな変形可能な3次元ガウススプレイティング
• Authors: Han Jiao, Jiakai Sun, Lei Zhao, Zhanjie Zhang, Wei Xing, Huaizhong Lin,
• Abstract要約: 3D Gaussian Splattingは、静的シーンのための新しいビュー合成において、顕著なリアルタイムレンダリング機能と優れた視覚的品質を示してきた。 変形場に基づく手法は様々な技術において有望なアプローチとして現れてきた。 高品質な動的シーン再構築のための効率的で堅牢なフレームワークであるFRoGを提案する。
• 参考スコア（独自算出の注目度）: 16.61618332955902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting has demonstrated remarkable real-time rendering capabilities and superior visual quality in novel view synthesis for static scenes. Building upon these advantages, researchers have progressively extended 3D Gaussians to dynamic scene reconstruction. Deformation field-based methods have emerged as a promising approach among various techniques. These methods maintain 3D Gaussian attributes in a canonical field and employ the deformation field to transform this field across temporal sequences. Nevertheless, these approaches frequently encounter challenges such as suboptimal rendering speeds, significant dependence on initial point clouds, and vulnerability to local optima in dim scenes. To overcome these limitations, we present FRoG, an efficient and robust framework for high-quality dynamic scene reconstruction. FRoG integrates per-Gaussian embedding with a coarse-to-fine temporal embedding strategy, accelerating rendering through the early fusion of temporal embeddings. Moreover, to enhance robustness against sparse initializations, we introduce a novel depth- and error-guided sampling strategy. This strategy populates the canonical field with new 3D Gaussians at low-deviation initial positions, significantly reducing the optimization burden on the deformation field and improving detail reconstruction in both static and dynamic regions. Furthermore, by modulating opacity variations, we mitigate the local optima problem in dim scenes, improving color fidelity. Comprehensive experimental results validate that our method achieves accelerated rendering speeds while maintaining state-of-the-art visual quality.
• Abstract（参考訳）: 3D Gaussian Splattingは、静的シーンのための新しいビュー合成において、顕著なリアルタイムレンダリング機能と優れた視覚的品質を示してきた。 これらの利点を生かして、3Dガウシアンをダイナミックなシーン再構築に徐々に拡張してきた。 変形場に基づく手法は様々な技術において有望なアプローチとして現れてきた。 これらの手法は3次元ガウス特性を標準場に保持し、変形場を用いて時間列に変換する。 しかしながら、これらのアプローチは、最適下降速度、初期点雲への重大な依存、薄暗いシーンでの局所最適に対する脆弱性といった課題に頻繁に遭遇する。 これらの制約を克服するために,高品質な動的シーン再構築のための効率的で堅牢なフレームワークであるFRoGを提案する。 FRoGはガウス毎の埋め込みを粗い時間埋め込み戦略と統合し、時間埋め込みの早期融合によるレンダリングを加速する。 さらに,スパース初期化に対するロバスト性を高めるために,新しい深度・誤り誘導サンプリング戦略を導入する。 この戦略は, 新たな3次元ガウス場を低次元初期位置で設置することにより, 変形場の最適化負担を著しく低減し, 静的領域と動的領域の詳細な再構成を改善する。 さらに,不透明度の変化を変調することにより,ディムシーンにおける局所最適問題を緩和し,色忠実度を向上する。 本手法は,最先端の視覚的品質を維持しつつ,高速化されたレンダリング速度を実現する。

関連論文リスト

• TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
  Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。 TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
  論文  参考訳（メタデータ） (2026-02-12T08:33:01Z)
• RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
  3D Gaussian Splatting (3DGS)は、新しいビュー合成と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、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。 いくつか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） (2025-12-04T14:05:09Z)
• MAPo : Motion-Aware Partitioning of Deformable 3D Gaussian Splatting for High-Fidelity Dynamic Scene Reconstruction [13.28997490352807]
  変形可能な3次元ガウス平板(MAPo)の運動認識分割について紹介する。 MAPoは高忠実度動的シーン再構築のための新しいフレームワークである。 これは、同等の計算コストを維持しながら、ベースラインよりも優れたレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-08-27T11:10:46Z)
• VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling [68.65587507038539]
  本稿では,動的都市景観モデリングのための拡散強調4次元ガウス平滑化フレームワークを提案する。 我々の重要な洞察は、テスト時間に適応したビデオ拡散モデルから頑健で時間的に一貫した事前情報を抽出することである。 提案手法は, 高速移動物体の動的モデリングを著しく向上させ, 2dBのPSNRゲインを近似的に達成する。
  論文  参考訳（メタデータ） (2025-08-04T07:24:05Z)
• FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
  FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。 我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。 いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-05T17:59:57Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって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） (2025-05-27T05:17:49Z)
• 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)
• GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
  本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。 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） (2024-05-30T03:46:59Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Deformable 3D Gaussians for High-Fidelity Monocular Dynamic Scene Reconstruction [29.83056271799794]
  暗黙の神経表現は、動的なシーンの再構築とレンダリングに対する新しいアプローチの道を開いた。 本稿では,3次元ガウシアンを用いてシーンを再構成し,標準空間で学習する,変形可能な3次元ガウシアンスプラッティング法を提案する。 微分ガウシアン化器により、変形可能な3Dガウシアンは高いレンダリング品質だけでなく、リアルタイムレンダリング速度も達成できる。
  論文  参考訳（メタデータ） (2023-09-22T16:04:02Z)

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。