論文の概要: P2GS: Physical Prior-guided Gaussian Splatting for Photometrically Consistent Urban Reconstruction

• arxiv url: http://arxiv.org/abs/2605.16925v1
• Date: Sat, 16 May 2026 10:36:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.297904
• Title: P2GS: Physical Prior-guided Gaussian Splatting for Photometrically Consistent Urban Reconstruction
• Title（参考訳）: P2GS:光学的に一貫した都市再建のための物理的事前誘導型ガウススプラッティング
• Authors: Kota Shimomura, Hidehisa Arai, Tsubasa Takahashi, Takayoshi Yamashita, Hironobu Fujiyoshi,
• Abstract要約: 3D Gaussian Splatting (3DGS)は、高速で高忠実なレンダリングを可能にする強力な明示的表現として最近登場した。 P2GSは、ビュー不変線形HDR放射場、ビューごとの露光スケール、トーンマッピング関数を共同で分解する物理的に一貫したフレームワークである。 実験により、P2GSはLDR再構成における従来の手法に適合または超え、光度整合性を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 17.200962739706767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has recently emerged as a powerful explicit representation enabling fast, high-fidelity rendering, making it a promising foundation for closed-loop simulators and perception models in autonomous driving. However, conventional 3DGS implicitly assumes consistent exposure and tone mapping across views. Real driving data violates this assumption due to heterogeneous camera pipelines and dynamic outdoor illumination, baking exposure discrepancies and sensor noise into the radiance field and producing artifacts and inconsistent illumination especially in static backgrounds crucial for realistic simulation. These issues are amplified in autonomous driving, where sparse viewpoints, varying exposures, and outdoor lighting interact, while prior work mainly targets dynamic-object reconstruction and overlooks cross-view photometric consistency. To address this limitation, we introduce P2GS, a physically consistent Gaussian Splatting framework that jointly decomposes a view-invariant linear HDR radiance field, per-view exposure scales, and tone-mapping functions from only LDR images without HDR supervision. P2GS employs a unified optimization strategy grounded in the physical image-formation process, enforcing relative-exposure consistency and HDR-domain radiance regularization. This yields a radiance field robust to inter-camera illumination differences while preserving the real-time efficiency of standard 3DGS. Experiments across real and simulated driving environments show that P2GS matches or surpasses prior methods in LDR reconstruction while providing substantially improved photometric consistency, reliable exposure normalization, and physically coherent illumination across diverse scenes.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、高速で高忠実なレンダリングを可能にする強力な明示的な表現として最近登場した。 しかし、従来の3DGSは、ビュー間の一貫した露出とトーンマッピングを暗黙的に想定している。 実運転データは、不均一なカメラパイプラインと動的屋外照明、露光の不一致とセンサノイズを放射界に焼き込み、特に現実的なシミュレーションに不可欠な静的背景において、アーティファクトと一貫性のない照明を生成するため、この仮定に違反する。 これらの問題は、スパース視点、様々な露光、屋外照明が相互作用する自律運転において増幅され、以前の作業は主に動的オブジェクトの再構築を目標とし、クロスビュー光度整合性を見落としている。 この制限に対処するために、P2GSは、ビュー不変線形HDR放射場、ビュー毎の露光スケール、およびHDR監督のないLDR画像のみからのトーンマッピング機能を共同で分解する、物理的に一貫したガウススティングフレームワークである。 P2GSは、物理画像形成プロセスに基づく統一的な最適化戦略を採用し、相対的露光一貫性とHDR領域の放射率正規化を強制する。 これにより、標準3DGSのリアルタイム効率を保ちながら、カメラ間照度差に頑健な放射場が得られる。 実環境およびシミュレートされた運転環境における実験により、P2GSはLDR再構成における従来の手法に適合または超え、光度整合性、信頼性のある露出正規化、様々な場面における物理的に整合性のある照明を提供する。

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)
• HDR-NSFF: High Dynamic Range Neural Scene Flow Fields [25.023351117641358]
  HDR-NSFFは2次元の融合から4次元の時間モデルへのパラダイムシフトである。 実験により、HDR-NSFFは、挑戦的な露光変動の下でも詳細な放射コヒーレントダイナミクスを回復することが示された。 動的HDRシーンに特化して設計された,世界初の実世界のHDR-GoProデータセットを提示する。
  論文  参考訳（メタデータ） (2026-03-09T12:36:46Z)
• Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
  多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。 本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
  論文  参考訳（メタデータ） (2026-02-20T16:20:50Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• Dynamic Novel View Synthesis in High Dynamic Range [78.72910306733607]
  現在の手法は主に静的なシーンに焦点を当てており、すべてのシーン要素が静止していて生きていないことを暗黙的に仮定している。 HDR-4DGSは,革新的な動的トーンマッピングモジュールを備えたガウススプラッティング方式のアーキテクチャである。 実験により、HDR-4DGSは、定量的性能と視覚的忠実度の両方において、既存の最先端手法を超越していることが示された。
  論文  参考訳（メタデータ） (2025-09-26T04:29:22Z)
• ROSGS: Relightable Outdoor Scenes With Gaussian Splatting [33.2992160880414]
  ROSGSは,ガウシアン・スプラッティング表現を用いて,光沢のある屋外シーンを再構築するための2段階パイプラインである。 ROSGSは、屋外のシーンをリライトする際の最先端性能を実現し、より優れたリライト精度とレンダリング効率を実現する能力を強調した。
  論文  参考訳（メタデータ） (2025-09-14T13:58:58Z)
• MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation [19.46962637673285]
  MV-CoLightは2Dおよび3Dシーンで合成される照度一貫性のあるオブジェクトのためのフレームワークである。 2次元画像入力と3次元ガウスシーン表現をシームレスに整列するために、ヒルベルト曲線に基づく写像を用いる。 実験では、標準ベンチマークとデータセット間で、最先端の調和した結果を実証した。
  論文  参考訳（メタデータ） (2025-05-27T17:53:02Z)
• PEP-GS: Perceptually-Enhanced Precise Structured 3D Gaussians for View-Adaptive Rendering [3.1006820631993515]
  3D Gaussian Splatting (3D-GS)はリアルタイムで高品質な3Dシーンレンダリングにおいて大きな成功を収めた。 PEP-GSは、不透明度、色、共分散を含むガウス属性を動的に予測する知覚的に強化されたフレームワークである。 我々はPEP-GSが最先端の手法、特にビュー依存効果や細かな詳細を含む挑戦的なシナリオにおいて優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-08T17:42:02Z)

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。