論文の概要: From Pixels to Primitives: Scene Change Detection in 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2605.07203v1
• Date: Fri, 08 May 2026 03:50:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.783734
• Title: From Pixels to Primitives: Scene Change Detection in 3D Gaussian Splatting
• Title（参考訳）: 画素からプリミティブへ:3次元ガウス散乱におけるシーン変化検出
• Authors: Chamuditha Jayanga Galappaththige, Jason Lai, Timothy Patten, Donald Dansereau, Niko Suenderhauf, Dimity Miller,
• Abstract要約: ガウシアンスプラッティング上に構築されたシーン変化検出法は、レンダリング-then-compareパラダイムを普遍的に従う。 我々は、ネイティブプリミティブ属性だけでシーン変化検出に十分な信号を持っているという証拠を提供する。 プリミティブを直接操作することで、GD-DIFFという2つのプロパティが、レンダリング-then-compareメソッドと区別されます。
• 参考スコア（独自算出の注目度）: 8.895952132148304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene change detection methods built on Gaussian splatting universally follow a render-then-compare paradigm: the pre-change scene is rendered into 2D and compared against post-change images via pixel or feature residuals. This change detection problem with Gaussian Splatting has been treated as a question about pixels; we treat it as a question about primitives. We provide direct evidence that native primitive attributes alone -- position, anisotropic covariance, and color -- carry sufficient signal for scene change detection. What makes primitive-space comparison hard is the under-constrained nature of Gaussian splatting representation: independent optimizations yield primitive solutions whose count, positions, shapes, and colors differ even where nothing has changed. We address this challenge with anisotropic models of geometric and photometric drift, complemented by a per-primitive observability term that reflects the extent to which each Gaussian is constrained by the camera geometry. Operating directly on primitives gives our method, GD-DIFF, two properties that distinguish it from render-then-compare methods. First, change maps are multi-view consistent by construction, where prior work had to learn this through an additional optimization objective. Second, geometric and appearance changes are scored separately, identifying not just where but what kind of change occurred, distinguishing structural changes (e.g., an added object) from surface-level ones (e.g., a color change) without supervision or external model dependencies. On real-world benchmarks, GS-DIFF surpasses the prior state-of-the-art approach by approximatelt 17% in mean Intersection over Union.
• Abstract（参考訳）: ガウシアンスプラッティング上に構築されたシーン変化検出手法は、レンダリング-then-compareパラダイムに従っており、プリ・チェンジシーンは2Dに描画され、画素や特徴残差によるポスト・チェンジ画像と比較される。 ガウススティングにおけるこの変化検出問題は画素に関する問題として扱われており、プリミティブに関する問題として扱う。 ネイティブプリミティブ属性(位置、異方性共分散、色)がシーン変化検出に十分な信号を持っているという直接的な証拠を提供する。 原始空間の比較を困難にしているのは、ガウスのスプラッティング表現の制約の少ない性質である: 独立最適化は、何の変化も無くとも数、位置、形状、色が異なる原始解を生成する。 この課題を幾何学的および測光的ドリフトの異方性モデルを用いて解決し、各ガウスがカメラ幾何学によって制約される範囲を反映した原始的観測可能性項を補足する。 プリミティブを直接操作することで、レンダリング-then-compareメソッドと区別する2つのプロパティであるGD-DIFFが得られる。 まず、変更マップは構築によって複数ビューで一貫性があり、そこでは、事前の作業は、追加の最適化目標を通じてこれを学ばなければならなかった。 第二に、幾何学的変化と外見的変化は別々に行われ、どのような変化が起こったかだけでなく、どのような変化があったかを特定し、構造的変化(例えば、追加されたオブジェクト)を、監督や外部モデルに依存しない表面的な変化(例えば、色の変化)と区別する。 実世界のベンチマークでは、GS-DIFFは以前の最先端のアプローチを17%の差で上回っている。

関連論文リスト

• A Hypertoroidal Covering for Perfect Color Equivariance [3.793458006209272]
  我々は、真に同変な色同変アーキテクチャを導入する。 区間を実数直線で近似する代わりに、区間上の値を円上の値(二重被覆)に上げ、そこで同変表現を構築する。 提案手法は,従来の手法の近似アーティファクトを解き,解釈可能性と一般化性を改善し,細粒度分類や医用画像処理といったタスクにおける従来的および同質なベースラインよりも優れた予測性能を実現する。
  論文  参考訳（メタデータ） (2026-03-04T16:43:02Z)
• Detecting Generated Images by Fitting Natural Image Distributions [75.31113784234877]
  本稿では,自然画像と生成画像のデータ多様体間の幾何学的差異を利用した新しいフレームワークを提案する。 自然画像に対して一貫した出力を出力するために設計された関数対を用いるが、生成した関数に対しては発散出力を用いる。 データ多様体に沿った変換が、自然画像上で事前訓練された自己教師付きモデルの損失値に有意な変化をもたらす場合、画像は生成されたものとして識別される。
  論文  参考訳（メタデータ） (2025-11-03T07:20:38Z)
• Rigidity-Aware 3D Gaussian Deformation from a Single Image [12.08044152819999]
  単一の画像のみから3次元ガウス変形を導く新しいフレームワークであるDeformSplatを提案する。 また,3次元ガウス表現と2次元画素観測の領域ギャップを埋めるガウス対Pixelマッチングを提案する。 これら2つの手法を組み合わせることで,1つの画像から一貫した変形を再構成することができる。
  論文  参考訳（メタデータ） (2025-09-26T11:34:55Z)
• Detect Changes like Humans: Incorporating Semantic Priors for Improved Change Detection [52.62459671461816]
  本稿では,視覚基盤モデルからのセマンティックな先入観を取り入れ,変化を検出する能力の向上について検討する。 人間の視覚パラダイムにインスパイアされた新しいデュアルストリーム特徴デコーダは、意味認識特徴と差認識特徴を組み合わせることで変化を区別するために導出される。
  論文  参考訳（メタデータ） (2024-12-22T08:27:15Z)
• Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
  我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。 UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。 モデル化された結果が最先端のアプローチを上回る実験を行ないました。
  論文  参考訳（メタデータ） (2024-03-18T04:01:26Z)
• Self-Supervised Learning from Non-Object Centric Images with a Geometric Transformation Sensitive Architecture [7.825153552141346]
  本稿では幾何学的変換に敏感な幾何学的変換感性アーキテクチャを提案する。 本手法は, 回転予測や変換の異なる目標の利用により, 学生に敏感になるよう促す。 提案手法は,非対象中心画像を事前学習データとして用いる際の性能向上を示す。
  論文  参考訳（メタデータ） (2023-04-17T06:32:37Z)
• Learning Transformations To Reduce the Geometric Shift in Object Detection [60.20931827772482]
  画像キャプチャプロセスの変動から生じる幾何シフトに対処する。 我々は、これらのシフトを最小限に抑えるために幾何変換の集合を学習する自己学習アプローチを導入する。 我々は,カメラの視野変化(FoV)と視点変化(視点変化)の2つの異なるシフトについて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-01-13T11:55:30Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Geometric Correspondence Fields: Learned Differentiable Rendering for 3D Pose Refinement in the Wild [96.09941542587865]
  野生の任意のカテゴリのオブジェクトに対する微分可能レンダリングに基づく新しい3次元ポーズ精細化手法を提案する。 このようにして、3DモデルとRGB画像のオブジェクトを正確に整列し、3Dポーズ推定を大幅に改善する。 我々は、Pix3Dデータセットの挑戦に対するアプローチを評価し、複数のメトリクスにおける最先端の精錬手法と比較して、最大55%の改善を実現した。
  論文  参考訳（メタデータ） (2020-07-17T12:34:38Z)

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。