論文の概要: Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2603.22786v1
• Date: Tue, 24 Mar 2026 04:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.30248
• Title: Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis
• Title（参考訳）: ガウススメッティングにおける新しい視点合成のための予測的測光不確かさ
• Authors: Chamuditha Jayanga Galappaththige, Thomas Gottwald, Peter Stehr, Edgar Heinert, Niko Suenderhauf, Dimity Miller, Matthias Rottmann,
• Abstract要約: 本稿では,画素単位,ビュー依存型予測不確実性推定のための軽量なプラグアンドプレイフレームワークを提案する。 本手法は,復元残差に対するベイズ正規化線形最小二乗最適化として不確かさを定式化する。 このアーキテクチャに依存しないアプローチは、下層のシーン表現を変更することなく、プリミティブごとの不確実性チャネルを抽出する。
• 参考スコア（独自算出の注目度）: 9.936999820242244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 3D Gaussian Splatting have enabled impressive photorealistic novel view synthesis. However, to transition from a pure rendering engine to a reliable spatial map for autonomous agents and safety-critical applications, knowing where the representation is uncertain is as important as the rendering fidelity itself. We bridge this critical gap by introducing a lightweight, plug-and-play framework for pixel-wise, view-dependent predictive uncertainty estimation. Our post-hoc method formulates uncertainty as a Bayesian-regularized linear least-squares optimization over reconstruction residuals. This architecture-agnostic approach extracts a per-primitive uncertainty channel without modifying the underlying scene representation or degrading baseline visual fidelity. Crucially, we demonstrate that providing this actionable reliability signal successfully translates 3D Gaussian splatting into a trustworthy spatial map, further improving state-of-the-art performance across three critical downstream perception tasks: active view selection, pose-agnostic scene change detection, and pose-agnostic anomaly detection.
• Abstract（参考訳）: 近年の3Dガウススプラッティングは、印象的なフォトリアリスティックなノベルビュー合成を可能にしている。 しかし、純粋なレンダリングエンジンから自律エージェントや安全クリティカルなアプリケーションのための信頼性の高い空間マップに移行するためには、表現がどこにあるかを知ることは、レンダリングの忠実さそのものと同じくらい重要である。 画素単位でのビュー依存予測不確実性推定のための軽量なプラグアンドプレイフレームワークを導入することで、この重要なギャップを埋める。 我々のポストホック法は、復元残差に対するベイズ正規化線形最小二乗最適化として不確かさを定式化する。 このアーキテクチャに依存しないアプローチは、基礎となるシーン表現を変更したり、ベースラインの視覚的忠実度を低下させることなく、原始的な不確実性チャネルを抽出する。 この動作可能な信頼性信号を提供することで、3Dガウスのスプラッティングを信頼性のある空間マップに変換することができ、さらに3つの重要な下流認識タスク(アクティブビュー選択、ポーズ非依存のシーン変化検出、ポーズ非依存の異常検出)における最先端の性能を向上させることができる。

関連論文リスト

• Rethinking Pose Refinement in 3D Gaussian Splatting under Pose Prior and Geometric Uncertainty [22.568270316570334]
  3D Splatting(3DGS)は、視覚的局所化と機能改善のために、強力な表現がますます使われるようになったため、最近登場した。 高品質な差別性と堅牢性にもかかわらず、3DGSベースの精細化は初期カメラのポーズと再構成された幾何学の両方に非常に敏感である。
  論文  参考訳（メタデータ） (2026-03-17T14:00:41Z)
• 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)
• Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction [5.539555430264606]
  本研究では,信頼性の高い動作キューを伝播させて4次元再構成を向上する,不確かさを意識した動的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、時間ごとの不確実性を推定し、それを利用して不確実性を考慮した最適化のための安定なグラフを構築することである。
  論文  参考訳（メタデータ） (2025-10-14T17:47:11Z)
• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と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、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つ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） (2025-06-03T11:13:48Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• On the Quantification of Image Reconstruction Uncertainty without Training Data [5.057039869893053]
  本稿では,深部生成モデルを用いて近似後部分布を学習する深部変分フレームワークを提案する。 フローベースモデルを用いてターゲット後部をパラメータ化し,KL(Kullback-Leibler)の発散を最小限に抑え,正確な不確実性推定を実現する。 提案手法は信頼性と高品質な画像再構成を実現し,信頼性の高い不確実性を推定する。
  論文  参考訳（メタデータ） (2023-11-16T07:46:47Z)

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。