論文の概要: Naka-GS: A Bionics-inspired Dual-Branch Naka Correction and Progressive Point Pruning for Low-Light 3DGS

• arxiv url: http://arxiv.org/abs/2604.11142v1
• Date: Mon, 13 Apr 2026 07:58:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.414943
• Title: Naka-GS: A Bionics-inspired Dual-Branch Naka Correction and Progressive Point Pruning for Low-Light 3DGS
• Title（参考訳）: Naka-GS:低光3DGS用バイオニクスインスパイアされたデュアルブランチ中補正とプログレッシブポイントプルーニング
• Authors: Runyu Zhu, SiXun Dong, Zhiqiang Zhang, Qingxia Ye, Zhihua Xu,
• Abstract要約: 我々は,低照度3次元ガウススプラッティングのためのバイオニックスに着想を得たフレームワークであるNaka-GSを提案する。 本手法は,物理優先の低照度化,デュアルブランチ入力モデリング,周波数分離補正,マスク誘導最適化を組み合わせた。 提案手法は, NTIRE 3D Restoration and Reconstruction (DRR) Challenge において提案され, ベースライン法よりも高い性能を示した。
• 参考スコア（独自算出の注目度）: 5.922483935990404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-light conditions severely hinder 3D restoration and reconstruction by degrading image visibility, introducing color distortions, and contaminating geometric priors for downstream optimization. We present NAKA-GS, a bionics-inspired framework for low-light 3D Gaussian Splatting that jointly improves photometric restoration and geometric initialization. Our method starts with a Naka-guided chroma-correction network, which combines physics-prior low-light enhancement, dual-branch input modeling, frequency-decoupled correction, and mask-guided optimization to suppress bright-region chromatic artifacts and edge-structure errors. The enhanced images are then fed into a feed-forward multi-view reconstruction model to produce dense scene priors. To further improve Gaussian initialization, we introduce a lightweight Point Preprocessing Module (PPM) that performs coordinate alignment, voxel pooling, and distance-adaptive progressive pruning to remove noisy and redundant points while preserving representative structures. Without introducing heavy inference overhead, NAKA-GS improves restoration quality, training stability, and optimization efficiency for low-light 3D reconstruction. The proposed method was presented in the NTIRE 3D Restoration and Reconstruction (3DRR) Challenge, and outperformed the baseline methods by a large margin. The code is available at https://github.com/RunyuZhu/Naka-GS
• Abstract（参考訳）: 低照度条件は、画像の可視性を低下させ、色歪みを導入し、下流最適化のための幾何的先行を汚染することにより、3次元の復元と復元を著しく妨げている。 バイオニックスに触発された低照度3次元ガウススプラッティング用フレームワークである中GSを,光度復元と幾何初期化を共同で改善する。 提案手法は,物理優先の低照度化,デュアルブランチ入力モデリング,周波数デカップレーション補正,マスク誘導最適化を併用して,鮮度域のクロマティックアーティファクトやエッジ構造誤差を抑制する中誘導クロマ補正ネットワークから始める。 拡張された画像はフィードフォワードのマルチビュー再構成モデルに入力され、より密集したシーン先行を生成する。 ガウスの初期化をさらに改善するために,座標アライメント,ボクセルプーリング,距離適応型プログレッシブプルーニングを行う軽量なポイント前処理モジュール(PPM)を導入し,代表構造を保ちながらノイズや冗長な点を除去する。 重度の推論オーバーヘッドを導入することなく、低照度3次元再構成のための復元品質、訓練安定性、最適化効率を向上させる。 提案手法は, NTIRE 3D Restoration and Reconstruction (DRR) Challenge において提案され, ベースライン法よりも高い性能を示した。 コードはhttps://github.com/RunyuZhu/Naka-GSで公開されている。

関連論文リスト

• SwiftNDC: Fast Neural Depth Correction for High-Fidelity 3D Reconstruction [36.282461368600806]
  SwiftNDCは、Neural Depth Correctionフィールドを中心に構築された、高速で一般的なフレームワークである。 バック・プロジェクションとロバスト・リジェクション・エラー・フィルタリングにより高密度の点雲を生成する。 この信頼性の高い密度幾何学はメッシュ再構成のための3Dガウススプレイティング(3DGS)を大幅に加速させる。 メッシュ再構築のための2つのデータセットと、新規ビュー合成のための3つのデータセットを網羅的に調査する。
  論文  参考訳（メタデータ） (2026-02-26T03:07:53Z)
• Moving Light Adaptive Colonoscopy Reconstruction via Illumination-Attenuation-Aware 3D Gaussian Splatting [35.37461816543526]
  3D Gaussian Splatting (3DGS) は, 大腸内視鏡におけるリアルタイム視線合成の重要技術として出現している。 しかし、バニラ3DGSは静止照明を仮定し、観測された外観は視角のみに依存する。 このミスマッチは、ほとんどの3DGS法に、カメラと組織の間に、構造に違反するガウスの塊を導入するよう強制する。 大腸内視鏡に適した改良型3DGSフレームワークであるColIAGSを提案する。
  論文  参考訳（メタデータ） (2025-10-21T15:44:23Z)
• LL-Gaussian: Low-Light Scene Reconstruction and Enhancement via Gaussian Splatting for Novel View Synthesis [17.470869402542533]
  低照度シーンにおける新しいビュー合成(NVS)は、劣化した入力のために重要な課題である。 低照度sRGB画像からの3次元再構成と拡張のための新しいフレームワークであるLL-Gaussianを提案する。 最先端のNeRFベースの手法と比較して、LL-Gaussianは最大2000倍高速な推論を実現し、トレーニング時間を2%に短縮する。
  論文  参考訳（メタデータ） (2025-04-14T15:39:31Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)

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。