論文の概要: Appearance Decomposition Gaussian Splatting for Multi-Traversal Reconstruction

• arxiv url: http://arxiv.org/abs/2604.05908v1
• Date: Tue, 07 Apr 2026 14:11:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.872899
• Title: Appearance Decomposition Gaussian Splatting for Multi-Traversal Reconstruction
• Title（参考訳）: マルチトラバーサルリコンストラクションのための外観分解ガウススプラッティング
• Authors: Yangyi Xiao, Siting Zhu, Baoquan Yang, Tianchen Deng, Yongbo Chen, Hesheng Wang,
• Abstract要約: 高忠実度自律運転シミュレーションとディジタルツイン構築には,マルチトラバースシーン再構築が重要である。 本稿では, ADM-GS (Appearance Decomposition Splatting for Multi-Traversal Reconstruction) を提案する。 マルチトラバース実験では,既存の潜伏ベースラインよりも0.98dBRの改善を実現している。
• 参考スコア（独自算出の注目度）: 18.874270345504716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-traversal scene reconstruction is important for high-fidelity autonomous driving simulation and digital twin construction. This task involves integrating multiple sequences captured from the same geographical area at different times. In this context, a primary challenge is the significant appearance inconsistency across traversals caused by varying illumination and environmental conditions, despite the shared underlying geometry. This paper presents ADM-GS (Appearance Decomposition Gaussian Splatting for Multi-Traversal Reconstruction), a framework that applies an explicit appearance decomposition to the static background to alleviate appearance entanglement across traversals. For the static background, we decompose the appearance into traversal-invariant material, representing intrinsic material properties, and traversal-dependent illumination, capturing lighting variations. Specifically, we propose a neural light field that utilizes a frequency-separated hybrid encoding strategy. By incorporating surface normals and explicit reflection vectors, this design separately captures low-frequency diffuse illumination and high-frequency specular reflections. Quantitative evaluations on the Argoverse 2 and Waymo Open datasets demonstrate the effectiveness of ADM-GS. In multi-traversal experiments, our method achieves a +0.98 dB PSNR improvement over existing latent-based baselines while producing more consistent appearance across traversals. Code will be available at https://github.com/IRMVLab/ADM-GS.
• Abstract（参考訳）: 高忠実度自律運転シミュレーションとディジタルツイン構築には,マルチトラバースシーン再構築が重要である。 このタスクでは、異なる時間に同じ地理的領域から取得した複数のシーケンスを統合する。 この文脈では、基本的な幾何学を共有しているにもかかわらず、様々な照明と環境条件によって引き起こされる横断的不整合の顕著な出現が主な課題である。 本稿では, ADM-GS (Appearance Decomposition Gaussian Splatting for Multi-Traversal Reconstruction) を提案する。 静的な背景としては、外見をトラバース不変材料に分解し、固有の材料特性とトラバース依存照明を表現し、照明の変動を捉えている。 具体的には、周波数分離型ハイブリッド符号化戦略を利用するニューラルライトフィールドを提案する。 表面の正規化と明示的な反射ベクトルを組み込むことで、この設計は低周波の拡散照明と高周波のスペクトル反射を別々に捉えている。 Argoverse 2とWaymo Openデータセットの定量的評価は、ADM-GSの有効性を示している。 マルチトラバーサル実験では,既存の潜在ベースラインよりも約0.98dBのPSNR向上を実現し,トラバーサル全体にわたってより一貫した外観を実現する。 コードはhttps://github.com/IRMVLab/ADM-GSで入手できる。

関連論文リスト

• RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
  本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。 実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
  論文  参考訳（メタデータ） (2026-04-01T05:50:03Z)
• GAINS: Gaussian-based Inverse Rendering from Sparse Multi-View Captures [23.677487511754006]
  GAINS (Sparse multi-view captures によるガウスベースの逆レンダリング) を導入する。 これは2段階の逆レンダリングフレームワークであり、学習に基づく事前情報を利用して幾何学と材料推定を安定化する。 材料パラメータの精度、ライティング品質、新しいビューの合成を最先端の逆レンダリング法と比較して大幅に改善する。
  論文  参考訳（メタデータ） (2025-12-10T18:58:11Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
  本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。 提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。 その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
  論文  参考訳（メタデータ） (2025-06-24T03:54:40Z)
• NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
  逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。 本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-29T12:05:19Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)

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。