論文の概要: RefracGS: Novel View Synthesis Through Refractive Water Surfaces with 3D Gaussian Ray Tracing

• arxiv url: http://arxiv.org/abs/2603.21695v1
• Date: Mon, 23 Mar 2026 08:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.567128
• Title: RefracGS: Novel View Synthesis Through Refractive Water Surfaces with 3D Gaussian Ray Tracing
• Title（参考訳）: RefracGS:3次元ガウス線トレーシングによる屈折水表面からの新たなビュー合成
• Authors: Yiming Shao, Qiyu Dai, Chong Gao, Guanbin Li, Yeqiang Wang, He Sun, Qiong Zeng, Baoquan Chen, Wenzheng Chen,
• Abstract要約: 本稿では,屈折水面と界面下のシーンを共同で再構築するフレームワークであるRefracGSを紹介する。 RefracGSは、以前の屈折法よりも画質が優れており、200FPSで15倍高速なトレーニングとリアルタイムレンダリングを実現している。
• 参考スコア（独自算出の注目度）: 59.24689613992402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel view synthesis (NVS) through non-planar refractive surfaces presents fundamental challenges due to severe, spatially varying optical distortions. While recent representations like NeRF and 3D Gaussian Splatting (3DGS) excel at NVS, their assumption of straight-line ray propagation fails under these conditions, leading to significant artifacts. To overcome this limitation, we introduce RefracGS, a framework that jointly reconstructs the refractive water surface and the scene beneath the interface. Our key insight is to explicitly decouple the refractive boundary from the target objects: the refractive surface is modeled via a neural height field, capturing wave geometry, while the underlying scene is represented as a 3D Gaussian field. We formulate a refraction-aware Gaussian ray tracing approach that accurately computes non-linear ray trajectories using Snell's law and efficiently renders the underlying Gaussian field while backpropagating the loss gradients to the parameterized refractive surface. Through end-to-end joint optimization of both representations, our method ensures high-fidelity NVS and view-consistent surface recovery. Experiments on both synthetic and real-world scenes with complex waves demonstrate that RefracGS outperforms prior refractive methods in visual quality, while achieving 15x faster training and real-time rendering at 200 FPS. The project page for RefracGS is available at https://yimgshao.github.io/refracgs/.
• Abstract（参考訳）: 非平面屈折面を通した新しいビュー合成(NVS)は、重く空間的に変化する光学歪みによる根本的な課題を示す。 NeRFや3D Gaussian Splatting(3DGS)のような最近の表現はNVSで優れているが、これらの条件下で直線線伝播の仮定は失敗し、重要な成果物をもたらす。 この制限を克服するために,屈折水面と界面下のシーンを共同で再構築するフレームワークであるRefracGSを紹介した。 我々の重要な洞察は、屈折面をニューラルネットワークでモデル化し、波の形状を捉え、基礎となるシーンを3次元ガウス場として表現することである。 我々は、スネルの法則を用いて非線形線軌跡を正確に計算し、損失勾配をパラメータ化された屈折面にバックプロパゲートしながら、基礎となるガウス場を効率的にレンダリングする屈折型ガウス線トレーシング手法を定式化する。 両表現のエンドツーエンド共同最適化により,高忠実度NVSとビュー一貫性表面の回復が保証される。 複雑な波を持つ合成シーンと実世界のシーンの両方の実験では、RefracGSは以前の屈折法よりも視覚的品質が優れており、トレーニングとリアルタイムレンダリングは200FPSで15倍速いことが示されている。 RefracGSのプロジェクトページはhttps://yimgshao.github.io/refracgs/で公開されている。

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)
• SDFoam: Signed-Distance Foam for explicit surface reconstruction [8.803067028201387]
  暗示距離場(SDF)を用いた明示的ボロノイ図(VD)の学習方法を示す。 結果として得られたモデルでは、フローターが少なく、トポロジーが改善された、鮮明で視界に一貫性のある表面が生成される。 SDFoamというハイブリッドな暗黙的-明示的定式化により、メッシュ再構成精度(Chamfer distance)が大幅に向上し、外観に匹敵する(PSNR, SSIM)。
  論文  参考訳（メタデータ） (2025-12-18T16:11:18Z)
• TransparentGS: Fast Inverse Rendering of Transparent Objects with Gaussians [35.444290579981455]
  3D-GSに基づく透明物体のための高速逆レンダリングパイプラインであるTransparentGSを提案する。 我々はガウス光場プローブ(GaussProbe)を利用して、周囲の光と近傍のコンテンツの両方を統一された枠組みで符号化する。 複雑な環境から透明な物体を回収する際のアプローチの速度と精度について実験を行った。
  論文  参考訳（メタデータ） (2025-04-26T02:15:03Z)
• Thin-Shell-SfT: Fine-Grained Monocular Non-rigid 3D Surface Tracking with Neural Deformation Fields [66.1612475655465]
  RGBビデオから変形可能な表面を3Dで再現することは難しい問題だ。 既存の方法は、統計的、神経的、物理的に先行する変形モデルを使用する。 我々は,非剛性3次元トラッキングメッシュの新しい手法であるThinShell-SfTを提案する。
  論文  参考訳（メタデータ） (2025-03-25T18:00:46Z)
• 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)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• NeReF: Neural Refractive Field for Fluid Surface Reconstruction and Implicit Representation [43.76192255181977]
  本研究では, 流体表面の位置と正常度を同時に推定することにより, 透明流体の波面を復元する新しいニューラル屈折場(NeReF)を提案する。 我々は、NeReFを大域的な最適化手法として、従来の対応マッチング法よりも屈折歪みに頑健に対処できることを示した。 我々は、合成データと実データの両方にアプローチを検証し、特にスパースマルチビュー獲得に適していることを示す。
  論文  参考訳（メタデータ） (2022-03-08T14:56:16Z)

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。