論文の概要: FreeArtGS: Articulated Gaussian Splatting Under Free-moving Scenario
- arxiv url: http://arxiv.org/abs/2603.22102v1
- Date: Mon, 23 Mar 2026 15:32:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.752348
- Title: FreeArtGS: Articulated Gaussian Splatting Under Free-moving Scenario
- Title（参考訳）: FreeArtGS: フリーモーションシナリオ下でのアーティキュレートされたガウシアンスプレイティング
- Authors: Hang Dai, Hongwei Fan, Han Zhang, Duojin Wu, Jiyao Zhang, Hao Dong,
- Abstract要約: FreeArtGS は,自由移動シナリオ下での明瞭なオブジェクトの再構築手法である。
自由移動部分のセグメンテーションとジョイント推定とエンドツーエンドの最適化を組み合わせる。
我々は,2つのベンチマークと実世界の自由移動音場実験を行った。
- 参考スコア（独自算出の注目度）: 21.37981300557279
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing demand for augmented reality and robotics is driving the need for articulated object reconstruction with high scalability. However, existing settings for reconstructing from discrete articulation states or casual monocular videos require non-trivial axis alignment or suffer from insufficient coverage, limiting their applicability. In this paper, we introduce FreeArtGS, a novel method for reconstructing articulated objects under free-moving scenario, a new setting with a simple setup and high scalability. FreeArtGS combines free-moving part segmentation with joint estimation and end-to-end optimization, taking only a monocular RGB-D video as input. By optimizing with the priors from off-the-shelf point-tracking and feature models, the free-moving part segmentation module identifies rigid parts from relative motion under unconstrained capture. The joint estimation module calibrates the unified object-to-camera poses and recovers joint type and axis robustly from part segmentation. Finally, 3DGS-based end-to-end optimization is implemented to jointly reconstruct visual textures, geometry, and joint angles of the articulated object. We conduct experiments on two benchmarks and real-world free-moving articulated objects. Experimental results demonstrate that FreeArtGS consistently excels in reconstructing free-moving articulated objects and remains highly competitive in previous reconstruction settings, proving itself a practical and effective solution for realistic asset generation. The project page is available at: https://freeartgs.github.io/
- Abstract（参考訳）: 拡張現実とロボティクスの需要が増加し、高スケーラビリティでオブジェクトのオーケストレート化の必要性が高まっている。
しかし、個々の調音状態やカジュアルモノクラービデオから再構成するための既存の設定では、非自明な軸アライメントが必要か、あるいはカバー不足に悩まされ、適用性が制限される。
本稿では,自由移動シナリオ下での音声オブジェクトの再構成手法であるFreeArtGSを紹介する。
FreeArtGSは、単眼のRGB-Dビデオのみを入力として、自由移動部分のセグメンテーションとジョイント推定とエンドツーエンドの最適化を組み合わせる。
オフザシェルフ点追跡と特徴モデルから先行点を最適化することにより、自由移動部セグメンテーションモジュールは、拘束されない捕獲下での相対運動から剛部を識別する。
ジョイント推定モジュールは、統一されたオブジェクト対カメラのポーズを校正し、パートセグメンテーションからジョイントタイプおよび軸を堅牢に回収する。
最後に3DGSに基づくエンドツーエンドの最適化を行い, 視覚的テクスチャ, 幾何学, 関節角度を共同で再構成する。
我々は,2つのベンチマークと実世界の自由移動音場実験を行った。
実験結果から,FreeArtGSは自由移動型音声オブジェクトの再構成に一貫して優れており,従来の再構成環境では競争力が高く,現実的なアセット生成のための実用的で効果的なソリューションであることが証明された。
プロジェクトページは、https://freeartgs.github.io/で公開されている。
関連論文リスト
- Articulation in Motion: Prior-free Part Mobility Analysis for Articulated Objects By Dynamic-Static Disentanglement [33.737685950541795]
Articulation in Motion (AiM)は、ユーザオブジェクトインタラクションビデオと起動状態スキャンからインタラクティブな3Dデジタルレプリカを再構成する。
オブジェクトの3DGSスキャンから学習したデュアルガウスシーン表現を提案する。
モーションキューを使用して、オブジェクトを部品に分割し、関節を割り当てる。
論文 参考訳（メタデータ） (2026-03-03T12:07:06Z) - ArtLLM: Generating Articulated Assets via 3D LLM [19.814132638278547]
ArtLLMは、完全な3Dメッシュから直接高品質な調音資産を生成するための新しいフレームワークである。
コアとなるのは,大規模な調音データセットに基づいてトレーニングされた,3Dマルチモーダルな大規模言語モデルだ。
実験の結果,ArtLLMは部品配置精度と接合予測の両方で最先端の手法を著しく上回ることがわかった。
論文 参考訳（メタデータ） (2026-03-01T15:07:46Z) - OnlineSplatter: Pose-Free Online 3D Reconstruction for Free-Moving Objects [58.38338242973447]
OnlineSplatterは、RGBフレームから直接高品質でオブジェクト中心の3Dガウシアンを生成する新しいフレームワークである。
提案手法は,第1フレームを用いて再構成をアンカーし,高密度ガウス原始体を通して対象表現を漸進的に洗練する。
我々のコアコントリビューションは、潜伏した外見幾何学キーと明示的な方向キーを組み合わせたデュアルキーメモリモジュールです。
論文 参考訳（メタデータ） (2025-10-23T14:37:25Z) - KineDiff3D: Kinematic-Aware Diffusion for Category-Level Articulated Object Shape Reconstruction and Generation [28.822034731724013]
ノートパソコンや引き出しなどのアーティキュレートオブジェクトは、3D再構成とポーズ推定において重要な課題を示す。
そこで我々は, KineDiff3D: Kinematic-Aware Diffusion for Category-Level Articulated Object Shape Reconstruction and Generationを提案する。
論文 参考訳（メタデータ） (2025-10-20T04:15:40Z) - REACT3D: Recovering Articulations for Interactive Physical 3D Scenes [96.27769519526426]
REACT3Dは静的な3Dシーンを一貫した幾何学を持つシミュレーション可能なインタラクティブなレプリカに変換するフレームワークである。
室内の様々な場面における検出・分離・調音計測における最先端性能について検討した。
論文 参考訳（メタデータ） (2025-10-13T12:37:59Z) - VideoArtGS: Building Digital Twins of Articulated Objects from Monocular Video [60.63575135514847]
モノクロビデオから音声化されたオブジェクトのデジタルツインを構築することは、コンピュータビジョンにおいて重要な課題である。
本稿では,モノクロ映像から高忠実度デジタル双対を再構成する新しい手法であるVideoArtGSを紹介する。
VideoArtGSは、調音およびメッシュ再構成における最先端性能を示し、既存の方法に比べて約2桁の再現誤差を低減している。
論文 参考訳（メタデータ） (2025-09-22T11:52:02Z) - Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting [9.432567695900184]
Part$2$GSは、高忠実度幾何を持つ多部オブジェクトの調音されたデジタルツインをモデル化するための新しいフレームワークである。
物理的に一貫した運動を保証するために,物理に基づく制約によって導かれる運動認識の標準表現を提案する。
Part$2$GSは、可動部品に対するChamfer Distanceにおいて、最先端のメソッドを最大10$times$で一貫して上回ることを示す。
論文 参考訳（メタデータ） (2025-06-20T17:59:12Z) - Self-Supervised Multi-Part Articulated Objects Modeling via Deformable Gaussian Splatting and Progressive Primitive Segmentation [23.18517560629462]
DeGSSは,物体を変形可能な3次元ガウス場として符号化し,幾何学,外観,動きを1つのコンパクト表現に埋め込む統一フレームワークである。
一般化とリアリズムを評価するために、合成PartNet-Mobilityベンチマークを拡張し、RGBキャプチャと正確にリバースエンジニアリングされた3Dモデルを組み合わせたリアル・トゥ・シムデータセットRS-Artをリリースする。
論文 参考訳（メタデータ） (2025-06-11T12:32:16Z) - REACTO: Reconstructing Articulated Objects from a Single Video [64.89760223391573]
関節の柔軟な変形を維持しつつ各部の剛性を向上する新しい変形モデルを提案する。
提案手法は, 従来よりも高忠実度な3D再構成を実現する上で, 従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-04-17T08:01:55Z) - Monocular Human Pose and Shape Reconstruction using Part Differentiable
Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。
本稿では,ボディセグメンテーションを重要な監視対象として紹介する。
部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文 参考訳（メタデータ） (2020-03-24T14:25:46Z)
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。