論文の概要: High-Fidelity Surface Splatting-Based 3D Reconstruction from Multi-View Images
- arxiv url: http://arxiv.org/abs/2605.07254v1
- Date: Fri, 08 May 2026 05:23:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.815371
- Title: High-Fidelity Surface Splatting-Based 3D Reconstruction from Multi-View Images
- Title（参考訳）: マルチビュー画像からの高忠実表面スプラッティングに基づく3次元再構成
- Authors: Nandhana Sunil, Abhirami R Iyer, Avirup Mandal,
- Abstract要約: Implicit moving Least Squares (IMLS) は、点雲を符号付き距離とテクスチャ場へ直接変換することができる。
ローカルサポートと柔軟性が向上し、周波数コンテンツの制御性が向上したコンパクトカーネルを導入する。
実験では、表面の再構成とレンダリングの両方において最先端の性能を示し、より正確な幾何学とよりシャープな視覚を与える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-view mesh reconstruction remains a core challenge in computer graphics and vision, especially for recovering high-frequency geometry from sparse observations. Recent methods such as 3D Gaussian Splatting (3DGS) and Neural Radiance Fields (NeRF) rely on post-processing for mesh extraction, thereby limiting joint optimization of geometry and appearance. Implicit Moving Least Squares (IMLS) instead enables direct conversion of point clouds into signed distance and texture fields, supporting end-to-end reconstruction and rendering. However, existing IMLS formulations use exponential kernels that struggle with high-frequency detail. We introduce a compact polynomial kernel with local support and greater flexibility, allowing better control over frequency content and improved geometric fidelity. To further enhance fine details, we incorporate stochastic regularization with Laplacian filtering. Together, these improve the preservation of high-frequency structure while maintaining stable optimization. Experiments show state-of-the-art performance in both surface reconstruction and rendering, yielding more accurate geometry and sharper visuals from multi-view data.
- Abstract（参考訳）: マルチビューメッシュ再構成は、特にスパース観測から高周波幾何学を回復する上で、コンピュータグラフィックスとビジョンにおいて依然として重要な課題である。
3次元ガウス散乱(3DGS)やニューラルレイディアンス場(NeRF)といった最近の手法はメッシュ抽出のための後処理に依存しており、幾何学と外観の合同最適化を制限している。
Implicitrating Least Squares (IMLS) は代わりに、ポイントクラウドを符号付き距離とテクスチャフィールドに直接変換し、エンドツーエンドの再構築とレンダリングをサポートする。
しかし、既存のIMLSの定式化は、高周波の詳細に苦しむ指数核を用いる。
局所的なサポートと柔軟性の優れたコンパクト多項式カーネルを導入し、周波数内容の制御性を向上し、幾何学的忠実度を向上させる。
さらに詳細性を高めるため,ラプラシアンフィルタによる確率正則化を取り入れた。
これらは共に、安定した最適化を維持しつつ、高周波構造の保存を改善する。
実験では、表面の再構成とレンダリングの両方において最先端の性能を示し、多視点データからより正確な幾何とよりシャープな視覚を与える。
関連論文リスト
- SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction [26.59203606048875]
高品質な新しいビューレンダリングを保ちながら、より正確で詳細な表面を再構築する手法であるnetを提案する。
我々の重要な洞察は、レンダリング品質と幾何推定を橋渡しするStereo Geometry-Texture Alignmentを導入することである。
さらに,多視点幾何整合性を実現するPseudo-Feature Enhanced Geometry Consistencyを提案する。
論文 参考訳（メタデータ） (2025-11-18T16:24:37Z) - OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。
OMeGaは、挑戦的な屋内再構築ベンチマーク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） (2025-09-29T05:43:40Z) - 3D Gaussian Splatting with Normal Information for Mesh Extraction and Improved Rendering [8.59572577251833]
ガウス関数から推定される符号距離関数の勾配を用いた新しい正規化法を提案する。
我々は、Mip-NeRF360、Tamps and Temples、Deep-Blendingなどのデータセットに対するアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2025-01-14T18:40:33Z) - GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。
本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
論文 参考訳（メタデータ） (2024-11-29T03:54:54Z) - Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。
3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
論文 参考訳（メタデータ） (2024-11-19T11:59:54Z) - TetSphere Splatting: Representing High-Quality Geometry with Lagrangian Volumetric Meshes [47.47768820192874]
TetSphere は四面体球の集合を変形することによって3次元形状を表す。
不規則三角形、非多様体性、浮動小辞典などの一般的なメッシュ問題に対処する。
画像から3D、テキストから3D生成などの生成モデリングタスクにシームレスに統合される。
論文 参考訳（メタデータ） (2024-05-30T17:35:49Z) - Reconstructing Topology-Consistent Face Mesh by Volume Rendering from Multi-View Images [71.20113392204183]
産業用3Dフェイスアセット作成は通常、下流生産のために多視点画像からトポロジに一貫性のあるフェイスメッシュを再構築する。
NeRFは3次元再構成において、シーンを密度場と放射場として表現することで大きな利点を示した。
多視点画像からアーティストが作ったテンプレートフェイスメッシュの形状を最適化するために,明示的メッシュとニューラルボリュームレンダリングを組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2024-04-08T15:25:50Z)
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。