論文の概要: Pose-Free Omnidirectional Gaussian Splatting for 360-Degree Videos with Consistent Depth Priors

• arxiv url: http://arxiv.org/abs/2603.23324v2
• Date: Thu, 26 Mar 2026 13:13:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 13:32:29.963697
• Title: Pose-Free Omnidirectional Gaussian Splatting for 360-Degree Videos with Consistent Depth Priors
• Title（参考訳）: 連続深度前処理による360度ビデオのPse-Free Omnidirectional Gaussian Splatting
• Authors: Chuanqing Zhuang, Xin Lu, Zehui Deng, Zhengda Lu, Yiqun Wang, Junqi Diao, Jun Xiao,
• Abstract要約: PFGS360は、ポーズのない全方位ビデオから3Dガウスを再構築する、一方向全方位3DGS法である。 実世界と合成360度ビデオの両方において、既存のポーズレスおよびポーズ対応の3DGS法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 22.326729087162033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Omnidirectional 3D Gaussian Splatting with panoramas is a key technique for 3D scene representation, and existing methods typically rely on slow SfM to provide camera poses and sparse points priors. In this work, we propose a pose-free omnidirectional 3DGS method, named PFGS360, that reconstructs 3D Gaussians from unposed omnidirectional videos. To achieve accurate camera pose estimation, we first construct a spherical consistency-aware pose estimation module, which recovers poses by establishing consistent 2D-3D correspondences between the reconstructed Gaussians and the unposed images using Gaussians' internal depth priors. Besides, to enhance the fidelity of novel view synthesis, we introduce a depth-inlier-aware densification module to extract depth inliers and Gaussian outliers with consistent monocular depth priors, enabling efficient Gaussian densification and achieving photorealistic novel view synthesis. The experiments show significant outperformance over existing pose-free and pose-aware 3DGS methods on both real-world and synthetic 360-degree videos. Code is available at https://github.com/zcq15/PFGS360.
• Abstract（参考訳）: パノラマを用いた全方位3Dガウススプラッティングは3Dシーン表現の鍵となる技法であり、既存の手法はカメラのポーズやスパースポイントを事前に提供するために、通常遅いSfMに依存している。 そこで本研究では,PFGS360という全方位ビデオから3次元ガウスを再構成する,ポーズレス全方位3DGS手法を提案する。 カメラの正確なポーズ推定を実現するために,まず球面整合性を考慮したポーズ推定モジュールを構築し,ガウス内部深度を用いたガウス画像とアンポーズ画像との整合性2D-3D対応性を確立してポーズを復元する。 さらに,新しいビュー合成の忠実性を高めるために,一貫した単分子深度で奥行きインレーヤとガウスアウトリーヤを抽出し,効率的なガウス密度を実現し,フォトリアリスティックな新規ビュー合成を実現するために,奥行きインレーヤを意識したデジタイズモジュールを導入する。 この実験は、実世界と合成360度ビデオの両方において、既存のポーズレスとポーズ対応の3DGS法よりも優れた性能を示した。 コードはhttps://github.com/zcq15/PFGS360で入手できる。

関連論文リスト

• UPGS: Unified Pose-aware Gaussian Splatting for Dynamic Scene Deblurring [31.35713139629235]
  モノクロ映像から3Dシーンを再構成することは、カメラや物体の動きによる激しい動きのぼけによってしばしば失敗する。 学習可能なパラメータとしてカメラポーズを組み込むことにより、統一的な最適化フレームワークを導入する。 提案手法は, 従来の動的デブロアリング法に比べて, 復元品質が大きく向上し, 推定精度が向上する。
  論文  参考訳（メタデータ） (2025-08-31T13:01:03Z)
• Coca-Splat: Collaborative Optimization for Camera Parameters and 3D Gaussians [26.3996055215988]
  Coca-Splatは、スパースビューのポーズレスシーン再構築と新規ビュー合成(NVS)の課題に対処する新しいアプローチである 変形検出TRansformerにインスパイアされ、3次元ガウスおよびカメラパラメータの別クエリを設計する。 変形可能なトランスフォーマー層を通じて層ごとにレイヤを更新し、単一のネットワークで共同最適化を可能にする。
  論文  参考訳（メタデータ） (2025-04-01T10:48:46Z)
• Gaussian Scenes: Pose-Free Sparse-View Scene Reconstruction using Depth-Enhanced Diffusion Priors [8.440211083233528]
  本研究では2次元画像の粗い集合から360度シーンのポーズなし(カメラパラメータなしで)再構成のための生成的アプローチを提案する。 画像から画像への生成モデルを提案し、3Dシーンの新たな画像レンダリングと深度マップにおいて、欠落した詳細を描き、アーティファクトを除去する。
  論文  参考訳（メタデータ） (2024-11-24T19:34:58Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• 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)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• Gaussian Splatting SLAM [16.3858380078553]
  単分子SLAMにおける3次元ガウス散乱の最初の応用について述べる。 我々の方法は3fpsで動作し、正確な追跡、マッピング、高品質なレンダリングに必要な表現を統一する。 ライブカメラから高忠実度で連続的に3Dシーンを再構築するためには、いくつかの革新が必要である。
  論文  参考訳（メタデータ） (2023-12-11T18:19:04Z)

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。