論文の概要: Light 'em Up: Enabling Few-Shot Low-Light 3D Gaussian Splatting with Multi-Scale Explicit Retinex Illumination Decoupling
- arxiv url: http://arxiv.org/abs/2604.24053v1
- Date: Mon, 27 Apr 2026 05:20:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.753119
- Title: Light 'em Up: Enabling Few-Shot Low-Light 3D Gaussian Splatting with Multi-Scale Explicit Retinex Illumination Decoupling
- Title（参考訳）: 光'em up:マルチスケールレチネックスイルミネーションデカップリングによる低照度3Dガウシアンスプレイティングの実現
- Authors: YuHao Yin, Zongji Wang, Yuanben Zhang, Biqing Li, Jiesong Bai, Junyi Liu,
- Abstract要約: 低照度360ドル周合成のためのフレームワークであるMERID-GSを提案する。
Retinex理論に基づいて、照明と反射率を明確に分離し、ノイズ伝搬を抑制する。
その結果、MERID-GSはSOTA性能を向上し、より優れたクロスシーンの一般化とビューの整合性を示すことがわかった。
- 参考スコア（独自算出の注目度）: 2.0423574568606195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Full 360$^\circ$ novel view synthesis under low-light conditions remains challenging. Insufficient illumination, noise amplification, and view-dependent photometric inconsistencies prevent existing methods from jointly preserving geometric consistency and photorealism. Unsupervised approaches often exhibit color drift under large viewpoint variations, while supervised low-light enhancement models, though effective for 2D tasks, struggle to generalize to new scenes and typically require retraining. To address this issue, we propose MERID-GS, a Multi-Scale Explicit Retinex Illumination-Decoupled Gaussian framework for low-light 360$^\circ$ synthesis. Based on Retinex theory, the method explicitly separates illumination and reflectance, and suppresses noise propagation while enhancing dark-region structures via a learnable gain and Illumination-State-Guided Frequency Gating. Combined with lightweight Reflection Head and 3D Gaussian Splatting, MERID-GS adapts to new scenes with only a few shots and enables stable low-light novel view synthesis from sparse-view observations. In addition, we construct a low-light multi-view dataset covering full 360$^\circ$ scenes for joint evaluation. Thorough experiments across multiple datasets in this area demonstrate that MERID-GS achieves SOTA performance, exhibiting superior cross-scene generalization and view consistency. The source code and pre-trained models are available at https://github.com/YhuoyuH/MERID-GS..
- Abstract（参考訳）: 低照度条件下での360$^\circ$新規ビュー合成は依然として困難である。
不十分な照明、ノイズ増幅、ビュー依存の光度不整合は、既存の手法が幾何整合性とフォトリアリズムを共同保存することを防ぐ。
教師なしのアプローチは、しばしば大きな視点の変化の下で色の漂流を示すが、教師なしの低照度拡張モデルは、2Dタスクに有効であるが、新しいシーンへの一般化に苦慮し、通常再訓練を必要とする。
この問題に対処するために、低光度360$^\circ$合成のためのマルチスケール・エクストリシット・レチネックスイルミネーション・デカップリング・ガウス・フレームワークであるMERID-GSを提案する。
Retinex理論に基づいて照明と反射率を明確に分離し、学習可能な利得と照度誘導周波数ゲーティングを通じて暗域構造を拡張しながらノイズ伝搬を抑制する。
MERID-GSは軽量反射ヘッドと3Dガウススプラッティングを組み合わせることで、わずか数ショットで新しいシーンに適応し、スパースビューの観測から安定した低照度ノベルビュー合成を可能にする。
さらに,共同評価のために,360$^\circ$シーンをカバーする低照度マルチビューデータセットを構築した。
この領域における複数のデータセットにわたる詳細な実験は、MERID-GSがSOTA性能を達成し、より優れたクロスシーンの一般化とビュー一貫性を示すことを示した。
ソースコードと事前訓練されたモデルはhttps://github.com/YhuoyuH/MERID-GSで入手できる。
と。
関連論文リスト
- LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
光ハーモニー3D(LightHarmony3D)について述べる。
繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。
3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
論文 参考訳（メタデータ） (2026-03-31T03:26:30Z) - SplatBright: Generalizable Low-Light Scene Reconstruction from Sparse Views via Physically-Guided Gaussian Enhancement [26.905118897488077]
SplatBrightは、スパースsRGB入力からのジョイントローライト拡張と再構成のための最初の一般化可能な3Dガウスフレームワークである。
我々のキーとなる考え方は、物理的に誘導された照明モデリングと幾何学的外観の疎結合を統合して、一貫した低照度再構成を行うことである。
SplatBright は2D と 3D の両方の手法と比較して、目立たない低照度シーンに優れた新規ビュー合成、クロスビュー一貫性、そしてより良い一般化を実現している。
論文 参考訳（メタデータ） (2025-12-21T09:06:16Z) - Robust Low-light Scene Restoration via Illumination Transition [40.41013083877581]
既存の低照度拡張法は、このような低照度入力を効果的に前処理するのに苦労することが多い。
我々はロバスト低照度シーン復元フレームワーク(RoSe)を提案する。
実験により、RoSeはレンダリング品質とマルチビュー整合性の両方において最先端モデルを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2025-07-05T10:02:30Z) - LLGS: Unsupervised Gaussian Splatting for Image Enhancement and Reconstruction in Pure Dark Environment [18.85235185556243]
本稿では3次元ガウス散乱に基づく教師なし多視点立体視システムを提案する。
本システムは、シーンを再構成しながら、低照度環境における画像の高精細化を目的としている。
実世界のデータセットを用いて行った実験により、我々のシステムは低照度化と3次元ガウススプラッティングの両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2025-03-24T13:05:05Z) - RelitLRM: Generative Relightable Radiance for Large Reconstruction Models [52.672706620003765]
本稿では,新しい照明下での3Dオブジェクトの高品質なガウススプレイティング表現を生成するためのRelitLRMを提案する。
複雑なキャプチャと遅い最適化を必要とする従来の逆レンダリングとは異なり、RelitLRMはフィードフォワードトランスフォーマーベースのモデルを採用している。
スパースビューフィードフォワードRelitLRMは、最先端の密集ビュー最適化ベースラインに対して、競争力のあるリライティング結果を提供する。
論文 参考訳（メタデータ） (2024-10-08T17:40:01Z) - Gaussian in the Dark: Real-Time View Synthesis From Inconsistent Dark Images Using Gaussian Splatting [23.94465817405213]
3次元ガウススプラッティングは、一貫したマルチビューイメージを入力として、驚くべき新しいビューを合成することができる。
しかし、暗い環境で撮影された画像は、かなりの明るさの変化と多視点の不整合を示す可能性がある。
ゴーストやフローターのアーティファクトを使わずに高品質なレンダリングを実現するガウシアンDKを提案する。
論文 参考訳（メタデータ） (2024-08-17T08:05:09Z) - MetaGS: A Meta-Learned Gaussian-Phong Model for Out-of-Distribution 3D Scene Relighting [63.5925701087252]
アウト・オブ・ディストリビューション(OOD) 3Dリライティングは、目に見えない照明条件下での新しいビュー合成を必要とする。
この課題に対処するためにMetaGSを2つの視点から紹介する。
論文 参考訳（メタデータ） (2024-05-31T13:48:54Z) - 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。