論文の概要: A Comparative Evaluation of Geometric Accuracy in NeRF and Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2604.18205v1
- Date: Mon, 20 Apr 2026 12:55:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.878049
- Title: A Comparative Evaluation of Geometric Accuracy in NeRF and Gaussian Splatting
- Title（参考訳）: NeRFおよびGaussian Splattingにおける幾何学的精度の比較評価
- Authors: Mikolaj Zielinski, Eryk Vykysaly, Bartlomiej Biesiada, Jan Baturo, Mateusz Capala, Dominik Belter,
- Abstract要約: 本稿では,幾何的精度に着目したニューラルレンダリング手法の評価パイプラインを提案する。
提案手法は, 表面および形状の忠実度の観点から, 再構築手法の体系的評価を可能にする。
- 参考スコア（独自算出の注目度）: 0.5849513679510833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in neural rendering have introduced numerous 3D scene representations. Although standard computer vision metrics evaluate the visual quality of generated images, they often overlook the fidelity of surface geometry. This limitation is particularly critical in robotics, where accurate geometry is essential for tasks such as grasping and object manipulation. In this paper, we present an evaluation pipeline for neural rendering methods that focuses on geometric accuracy, along with a benchmark comprising 19 diverse scenes. Our approach enables a systematic assessment of reconstruction methods in terms of surface and shape fidelity, complementing traditional visual metrics.
- Abstract（参考訳）: ニューラルレンダリングの最近の進歩は、多くの3Dシーン表現を導入している。
標準的なコンピュータビジョンメトリクスは生成した画像の視覚的品質を評価するが、表面幾何学の忠実さを見落としていることが多い。
この制限はロボット工学において特に重要であり、把握や物体操作といったタスクには正確な幾何学が不可欠である。
本稿では,19の異なるシーンからなるベンチマークとともに,幾何学的精度を重視したニューラルレンダリング手法の評価パイプラインを提案する。
提案手法は, 従来の視覚的指標を補完する表面および形状の忠実度の観点から, 再構築手法の体系的評価を可能にする。
関連論文リスト
- Back to the Future Cyclopean Stereo: a human perception approach combining deep and geometric constraints [3.336618863186337]
サイクロペアン眼モデルによる解析的3次元表面モデルを提供する。
この幾何学的基礎と学習されたステレオ特徴を組み合わせることで、システムは両方のアプローチの強みの恩恵を受けることができる。
本研究の目的は,三次元表面の幾何学的性質の理解とモデリングがコンピュータビジョン研究に有用であることを示すことである。
論文 参考訳（メタデータ） (2025-02-28T17:58:20Z) - A 3D Facial Reconstruction Evaluation Methodology: Comparing Smartphone Scans with Deep Learning Based Methods Using Geometry and Morphometry Criteria [60.865754842465684]
3次元顔形状解析は臨床応用の可能性から注目されている。
高度な3D顔認証システムの高コスト化は、その普及を制限し、低コストな取得と再構築方法の開発を推進している。
本研究では,形態素形状解析技術を統合することで,従来の幾何学的ベンチマークを超える新しい評価手法を提案する。
論文 参考訳（メタデータ） (2025-02-13T15:47:45Z) - DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。
幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。
テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
論文 参考訳（メタデータ） (2024-11-03T15:15:01Z) - Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
論文 参考訳（メタデータ） (2024-02-08T17:57:59Z) - SIDER: Single-Image Neural Optimization for Facial Geometric Detail
Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。
以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文 参考訳（メタデータ） (2021-08-11T22:34:53Z) - Hybrid Approach for 3D Head Reconstruction: Using Neural Networks and
Visual Geometry [3.970492757288025]
本稿では,深層学習と幾何学的手法に基づくハイブリッド手法を用いて,複数の画像から3次元頭部を再構築する手法を提案する。
U-netアーキテクチャに基づくエンコーダデコーダネットワークを提案し、合成データのみを学習する。
論文 参考訳（メタデータ） (2021-04-28T11:31:35Z) - Subjective and Objective Visual Quality Assessment of Textured 3D Meshes [3.738515725866836]
本稿では,2つの比較プロトコルを用いて,テクスチャメッシュの知覚的品質を評価するための新しい主観的研究を提案する。
テクスチャメッシュの視覚的品質評価のための2つの新しい指標を提案する。
論文 参考訳（メタデータ） (2021-02-08T03:26:41Z) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳（メタデータ） (2020-08-18T06:33:40Z)
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。