論文の概要: Sparse-View 3D Gaussian Splatting in the Wild

• arxiv url: http://arxiv.org/abs/2604.27422v1
• Date: Thu, 30 Apr 2026 04:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.928214
• Title: Sparse-View 3D Gaussian Splatting in the Wild
• Title（参考訳）: 野生におけるスパースビュー3次元ガウス散乱
• Authors: Wongi Park, Jordan A. James, Myeongseok Nam, Minjae Lee, Soomok Lee, Sang-Hyun Lee, William J. Beksi,
• Abstract要約: 本稿では,不規則な実世界のシナリオに対して,邪魔者を含む新しいスパースビュー合成フレームワークを提案する。 提案手法は,スパース制約のない画像コレクションに効果的に対処するだけでなく,高品質な3Dレンダリング結果も提示する。
• 参考スコア（独自算出の注目度）: 16.598373624430383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a 3D novel sparse-view synthesis framework for unconstrained real-world scenarios that contain distractors. Unlike existing methods that primarily perform novel-view synthesis from a sparse set of constrained images without transient elements or leverage unconstrained dense image collections to enhance 3D representation in real-world scenarios, our method not only effectively tackles sparse unconstrained image collections, but also shows high-quality 3D rendering results. To do this, we introduce reference-guided view refinement with a diffusion model using a transient mask and a reference image to enhance the 3D representation and mitigate artifacts in rendered views. Furthermore, we address sparse regions in the Gaussian field via pseudo-view generation along with a sparsity-aware Gaussian replication strategy to amplify Gaussians in the sparse regions. Extensive experiments on publicly available datasets demonstrate that our methodology consistently outperforms existing methods (e.g., PSNR - 17.2%, SSIM - 10.8%, LPIPS - 4.0%) and provides high-fidelity 3D rendering results. This advancement paves the way for realizing unconstrained real-world scenarios without labor-intensive data acquisition. Our project page is available at $\href{https://robotic-vision-lab.github.io/SaveWildGS/}{here}$
• Abstract（参考訳）: 本稿では,不規則な実世界のシナリオを対象とした3次元新しいスパースビュー合成フレームワークを提案する。 実世界のシナリオにおける3次元表現を強化するために, 過渡的要素を伴わずに, あるいは不規則な高精細画像の集合から, 新規なビュー合成を行う既存の手法とは異なり, 本手法は, スパース非制約画像コレクションに効果的に取り組むだけでなく, 高品質な3次元レンダリング結果も提示する。 これを実現するために、過渡マスクと参照画像を用いた拡散モデルによる参照誘導ビューの洗練を導入し、3D表現を強化し、描画ビューにおけるアーティファクトを緩和する。 さらに,擬似ビュー生成によるガウス領域のスパース領域と,スパース領域のガウス領域を増幅するスパース対応ガウスレプリケーション戦略について述べる。 公開データセットに対する大規模な実験により、我々の手法は既存の手法(例えば、PSNR-17.2%、SSIM-10.8%、LPIPS-4.0%)を一貫して上回り、高忠実度3Dレンダリング結果を提供することを示した。 この進歩は、労働集約的なデータ取得なしに、制約のない現実のシナリオを実現するための道を開く。 私たちのプロジェクトページは$\href{https://robotic-vision-lab.github.io/SaveWildGS/}{here}$で利用可能です。

関連論文リスト

• TriaGS: Differentiable Triangulation-Guided Geometric Consistency for 3D Gaussian Splatting [2.441486089588484]
  3次元ガウススプラッティングは、画像のレンダリングの効率と能力のために、リアルタイムな新しいビュー合成に不可欠である。 本稿では,制約付き多視点三角測量による大域的幾何整合を強制することにより,再構成を改善する新しい手法を提案する。 複数のフォトリアリスティックデータセットにまたがって本手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-12-06T03:45:39Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• NovelGS: Consistent Novel-view Denoising via Large Gaussian Reconstruction Model [57.92709692193132]
  NovelGSは、スパースビュー画像が与えられたガウススプラッティングの拡散モデルである。 我々は3Dガウスを生成するためにトランスフォーマーネットワークを経由する新しい視点を利用する。
  論文  参考訳（メタデータ） (2024-11-25T07:57:17Z)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• SWAG: Splatting in the Wild images with Appearance-conditioned Gaussians [2.2369578015657954]
  暗黙の神経表現法は、未構造化画像から3Dシーンを学習する際、顕著な進歩を見せている。 非教師的手法でシーンオブオーダの存在を対処するために、過渡的なガウシアンを訓練する新しいメカニズムを導入する。
  論文  参考訳（メタデータ） (2024-03-15T16:00:04Z)
• FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
  本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。 このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-01T09:30:02Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。