論文の概要: GaussFusion: Improving 3D Reconstruction in the Wild with A Geometry-Informed Video Generator

• arxiv url: http://arxiv.org/abs/2603.25053v1
• Date: Thu, 26 Mar 2026 05:42:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.124772
• Title: GaussFusion: Improving 3D Reconstruction in the Wild with A Geometry-Informed Video Generator
• Title（参考訳）: GaussFusion:幾何インフォームドビデオジェネレータによる野生の3次元再構成の改善
• Authors: Liyuan Zhu, Manjunath Narayana, Michal Stary, Will Hutchcroft, Gordon Wetzstein, Iro Armeni,
• Abstract要約: GaussFusionは一般的な3DGSアーティファクトを緩和する。 GassFusionは、新しいビュー合成ベンチマークで最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 39.85810294248626
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present GaussFusion, a novel approach for improving 3D Gaussian splatting (3DGS) reconstructions in the wild through geometry-informed video generation. GaussFusion mitigates common 3DGS artifacts, including floaters, flickering, and blur caused by camera pose errors, incomplete coverage, and noisy geometry initialization. Unlike prior RGB-based approaches limited to a single reconstruction pipeline, our method introduces a geometry-informed video-to-video generator that refines 3DGS renderings across both optimization-based and feed-forward methods. Given an existing reconstruction, we render a Gaussian primitive video buffer encoding depth, normals, opacity, and covariance, which the generator refines to produce temporally coherent, artifact-free frames. We further introduce an artifact synthesis pipeline that simulates diverse degradation patterns, ensuring robustness and generalization. GaussFusion achieves state-of-the-art performance on novel-view synthesis benchmarks, and an efficient variant runs in real time at 21 FPS while maintaining similar performance, enabling interactive 3D applications.
• Abstract（参考訳）: 本稿では,幾何学的インフォームドビデオ生成による3次元ガウススプラッティング(3DGS)の野生での再現性向上のための新しいアプローチであるガウスフュージョンを提案する。 GaussFusionは、フローター、フリック、カメラのポーズエラー、不完全なカバレッジ、ノイズのある幾何学の初期化など、一般的な3DGSアーティファクトを緩和する。 従来のRGBベースのアプローチは単一再構成パイプラインに限られていたが,本手法では3DGSレンダリングを最適化法とフィードフォワード法の両方で改良するジオメトリインフォームビデオ・ツー・ビデオ・ジェネレータを導入している。 既存の再構成を前提として,深さ,正規度,不透明度,共分散を符号化したガウスのプリミティブビデオバッファを描画し,時間的コヒーレントでアーティファクトのないフレームを生成する。 さらに,多種多様な劣化パターンをシミュレートし,堅牢性と一般化を保証する人工物合成パイプラインを導入する。 GaussFusionは、新しいビュー合成ベンチマークで最先端のパフォーマンスを実現し、21 FPSでリアルタイムに効率的な変種を動作させ、同様の性能を維持しながら、インタラクティブな3Dアプリケーションを実現する。

関連論文リスト

• SaLon3R: Structure-aware Long-term Generalizable 3D Reconstruction from Unposed Images [31.94503176488054]
  SaLon3Rは構造対応の長期3DGS再構成のための新しいフレームワークである。 10 FPS以上で50以上のビューを再構築でき、50%から90%の冗長性除去が可能である。 提案手法は, 1回のフィードフォワードパスにおいて, アーティファクトを効果的に解決し, 冗長な3DGSを創出する。
  論文  参考訳（メタデータ） (2025-10-16T18:37:10Z)
• Effective Rank Analysis and Regularization for Enhanced 3D Gaussian Splatting [33.01987451251659]
  3D Gaussian Splatting(3DGS)は、高品質な3D再構成によるリアルタイムレンダリングが可能な有望な技術として登場した。 その可能性にもかかわらず、3DGSは針状アーティファクト、準最適ジオメトリー、不正確な正常といった課題に遭遇する。 正規化として有効ランクを導入し、ガウスの構造を制約する。
  論文  参考訳（メタデータ） (2024-06-17T15:51:59Z)
• 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 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)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。