論文の概要: ConFi-GS Confidence-Guided High-Frequency Injection for 3D Gaussian Splatting Super-Resolution

• arxiv url: http://arxiv.org/abs/2605.24964v1
• Date: Sun, 24 May 2026 09:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.550003
• Title: ConFi-GS Confidence-Guided High-Frequency Injection for 3D Gaussian Splatting Super-Resolution
• Title（参考訳）: ConFi-GS 信頼性誘導高周波注入による3次元ガウスめっき超解像
• Authors: Jiaxiang Li, Zongtan Zhou, Zhen Tan, Yadong Liu, Dewen Hu,
• Abstract要約: 十分でない高周波観測は、ぼやけたテクスチャ、弱い境界、およびビュー一貫性のない詳細をもたらす。 既存のアプローチでは、超解像誘導を一様に適用するか、主に幾何サンプリングに基づく拡張領域を適用している。 低分解能3DGS再構成のための信頼性を考慮した周波数モデリングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 25.746041962013887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing high-quality 3D scenes from low-resolution multi-view images remains challenging for 3D Gaussian Splatting (3DGS), because insufficient high-frequency observations often lead to blurred textures, weak boundaries, and view-inconsistent details. Existing approaches either apply super-resolution guidance uniformly or localize enhancement regions based mainly on geometric sampling. However, they typically do not distinguish between two fundamentally different questions: where additional detail is needed, and whether the corresponding candidate high-frequency content is reliable enough to be internalized into a multi-view consistent 3D representation. In this paper, we propose a reliability-aware frequency modeling framework for low-resolution 3DGS reconstruction. The framework first estimates a geometry-guided detail-demand prior to locate regions that are likely under-detailed under low-resolution supervision. It then computes a frequency-aware reliability map to determine whether candidate high-frequency details are structurally supported, spectrally unresolved, and cross-view stable. Combining these signals yields a detail-injection map that guides where super-resolved details should be introduced during optimization. Based on this map, we design a unified optimization scheme comprising spatially selective supervision, coarse-to-fine frequency regularization, and reliability-aware Gaussian densification. This scheme controls where reliable details are injected, when high-frequency supervision is activated, and how unresolved yet reliable details are internalized into the Gaussian representation. Experiments on multiple benchmarks show improved fidelity and perceptual quality while suppressing unstable or view-inconsistent details.
• Abstract（参考訳）: 低解像度のマルチビュー画像から高品質な3Dシーンを再構成することは、3Dガウススプラッティング(3DGS)では難しい。 既存のアプローチでは、一様に超解法ガイダンスを適用するか、主に幾何学的サンプリングに基づいて拡張領域をローカライズする。 しかし、それらは一般的に2つの根本的な異なる質問を区別しない: 追加の詳細が必要な場所と、対応する高周波コンテンツがマルチビューで一貫した3D表現に内在できるほど信頼できるかどうかである。 本稿では,低分解能3DGS再構成のための信頼性を考慮した周波数モデリングフレームワークを提案する。 このフレームワークはまず、低解像度の監督下にある可能性が高い地域を特定する前に、ジオメトリ誘導された詳細要求を推定する。 その後、周波数対応の信頼性マップを計算し、候補の高周波の詳細が構造的にサポートされているか、スペクトル的に解決されていないか、またクロスビューが安定であるかを判定する。 これらの信号を組み合わせることで、最適化中に超解像の詳細が導入された場所を案内する詳細注入マップが得られる。 このマップに基づいて,空間選択的監視,粗大な周波数正規化,信頼性に配慮したガウス密度化を含む統一的な最適化手法を設計する。 このスキームは、信頼性の高い詳細が注入される場所、高周波の監視が活性化されたとき、そして未解決で信頼性の低い詳細がガウス表現の内部化されるかを制御する。 複数のベンチマークの実験では、不安定またはビュー一貫性のない詳細を抑えながら、忠実度と知覚品質が改善された。

関連論文リスト

• Faster 3D Gaussian Splatting Convergence via Structure-Aware Densification [52.517763621139956]
  3Dガウススプラッティングは、リアルタイムのノベルビュー合成のための強力なシーン表現として登場した。 標準適応密度制御は画面空間の位置勾配に依存する。 本稿では,3次元ガウススプラッティングのための構造認識型密度化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-30T15:37:20Z)
• D$^2$GS: Depth-and-Density Guided Gaussian Splatting for Stable and Accurate Sparse-View Reconstruction [73.61056394880733]
  3D Gaussian Splatting (3DGS)は、3D表現を明示したリアルタイムかつ高忠実なノベルビュー合成(NVS)を可能にする。 疎視条件下では,カメラ近傍のガウス密度が過大な地域での過度適合と,ガウス範囲が不十分な遠隔地での過度適合の2つの重要な障害モードを同定する。 本稿では,奥行き案内型ドロップアウト戦略と距離認識型フィデリティ拡張モジュールという,2つの主要なコンポーネントからなる統合フレームワークD$2$GSを提案する。
  論文  参考訳（メタデータ） (2025-10-09T17:59:49Z)
• GaussianLens: Localized High-Resolution Reconstruction via On-Demand Gaussian Densification [77.40235389999]
  そこで本研究では,ユーザの関心領域の詳細な情報を取得するために,初期3DGSを高密度化するための一般化可能なネットワークを提案する。 提案手法の局所的な細部再構築における優れた性能と,最大1024時間1024ドルの解像度の画像に対するスケーラビリティを示す実験を行った。
  論文  参考訳（メタデータ） (2025-09-29T23:58:49Z)
• SuperGS: Consistent and Detailed 3D Super-Resolution Scene Reconstruction via Gaussian Splatting [6.309174895120047]
  3D Gaussian Splatting (3DGS)は、新しいビュー合成(NVS)に優れ、リアルタイムレンダリング機能と優れた品質を備えている。 しかし、低解像度の入力ビューから派生したプリミティブの粗い性質のため、高解像度の新規ビュー合成(HRNVS)の課題に直面している。 2段階の粗大なトレーニングフレームワークで設計したScaffold-GSの拡張であるSuperGSを提案する。
  論文  参考訳（メタデータ） (2025-05-24T11:33:57Z)
• Frequency-Aware Density Control via Reparameterization for High-Quality Rendering of 3D Gaussian Splatting [11.892334330536974]
  3D Gaussian Splatting (3DGS) は、高周波領域のシーン詳細を表現できる。 3DGSは現在、ドメイン全体にわたる3Dガウスの密度とスケールをリンクする明示的な制約を欠いている。 我々は,表現品質を向上させるために,デシフィケーションと削除からなる周波数認識密度制御戦略を開発した。
  論文  参考訳（メタデータ） (2025-03-10T07:30:45Z)
• 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)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)

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。