論文の概要: EvFlow-GS: Event Enhanced Motion Deblurring with Optical Flow for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2604.22183v1
• Date: Fri, 24 Apr 2026 03:17:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.325564
• Title: EvFlow-GS: Event Enhanced Motion Deblurring with Optical Flow for 3D Gaussian Splatting
• Title（参考訳）: EvFlow-GS:3次元ガウス平滑化のための光学流によるイベント強化動作の劣化
• Authors: Feiyu An, Yufei Deng, Zihui Zhang, Rong Xiao,
• Abstract要約: EvFlow-GSは、イベントストリームと光フローを活用して、エンドツーエンドで学習可能なダブル積分(LDI)を最適化する統合フレームワークである。 我々は,3DGS画像間の強度変化の監視を強化するために,新しいイベント残差を利用した。
• 参考スコア（独自算出の注目度）: 11.88685534040473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving sharp 3D reconstruction from motion-blurred images alone becomes challenging, motivating recent methods to incorporate event cameras, benefiting from microsecond temporal resolution. However, they suffer from residual artifacts and blurry texture details due to misleading supervision from inaccurate event double integral priors and noisy, blurry events. In this study, we propose EvFlow-GS, a unified framework that leverages event streams and optical flow to optimize an end-to-end learnable double integral (LDI), camera poses, and 3D Gaussian Splatting (3DGS) jointly on-the-fly. Specifically, we first extract edge information from the events using optical flow and then formulate a novel event-based loss applied separately to different modules. Additionally, we exploit a novel event-residual prior to strengthen the supervision of intensity changes between images rendered from 3DGS. Finally, we integrate the outputs of both 3DGS and LDI into a joint loss, enabling their optimization to mutually facilitate each other. Experiments demonstrate the leading performance of our EvFlow-GS.
• Abstract（参考訳）: 動きブル画像のみから鮮明な3D再構成を実現することは、マイクロ秒時間分解能の恩恵を受けながら、イベントカメラを組み込む最近の手法を動機付けている。 しかし、不正確な事象の二重積分前兆と騒々しい、ぼやけた出来事の誤った監督により、遺物やぼやけたテクスチャの細部に悩まされている。 本研究では,イベントストリームと光フローを活用する統合フレームワークであるEvFlow-GSを提案する。 具体的には、まず、光学フローを用いてイベントからエッジ情報を抽出し、異なるモジュールに個別に適用される新しいイベントベースの損失を定式化する。 さらに,3DGS画像間の強度変化の監視を強化するために,新たなイベント残差を利用した。 最後に、3DGSとLDIの両方の出力を共同損失に統合し、それらの最適化を相互に促進する。 実験は、EvFlow-GSの主要なパフォーマンスを示します。

関連論文リスト

• DEGS: Deformable Event-based 3D Gaussian Splatting from RGB and Event Stream [46.467919920459536]
  本稿では2つのモードから動的3DGSを協調的に最適化する新しいフレームワークを提案する。 鍵となる考え方は、変形場の最適化を導くために、イベント・モーション・プレファレンスを採用することである。 提案手法は,合成シーンと実シーンをまたいだ既存の画像およびイベントベースアプローチより優れる。
  論文  参考訳（メタデータ） (2025-10-09T03:43:27Z)
• DeblurSplat: SfM-free 3D Gaussian Splatting with Event Camera for Robust Deblurring [50.21760380168387]
  DeSplat と呼ばれるイベントカメラによる3次元ガウス分割法を初めて提案する。 我々は高密度ステレオモジュール(DUSt3R)の事前訓練機能を利用して、ぼやけた画像から正確な初期点雲を直接取得する。
  論文  参考訳（メタデータ） (2025-09-23T11:21:54Z)
• EF-3DGS: Event-Aided Free-Trajectory 3D Gaussian Splatting [87.1077910795879]
  生物学的ビジョンにインスパイアされたイベントカメラは、時間分解能の高い画素の強度を非同期に記録する。 本稿では,イベントカメラの利点を3DGSにシームレスに統合するイベント支援フリートラジェクトリ3DGSを提案する。 提案手法を,パブリックタンクとテンプルのベンチマークと,新たに収集した実世界のデータセットであるRealEv-DAVISで評価した。
  論文  参考訳（メタデータ） (2024-10-20T13:44:24Z)
• Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion [54.197343533492486]
  Event3DGSは高速移動下で高忠実度3D構造と外観を再構築することができる。 複数の合成および実世界のデータセットの実験は、既存のイベントベースの高密度な3Dシーン再構築フレームワークと比較して、Event3DGSの優位性を示している。 また, 構造的精度を損なうことなく, 外観の忠実度をより高められるように, フレームベースで数回の動特性測定を再構成プロセスに組み込むことも可能である。
  論文  参考訳（メタデータ） (2024-06-05T06:06:03Z)

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。