論文の概要: Physics-Aware 3D Gaussian Editing for Driving Scene Generation

• arxiv url: http://arxiv.org/abs/2605.25373v1
• Date: Mon, 25 May 2026 02:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.260867
• Title: Physics-Aware 3D Gaussian Editing for Driving Scene Generation
• Title（参考訳）: 物理を意識した3次元ガウス編集によるシーン生成
• Authors: Feng Zhou, Jian Zhang, Yuhang Sun, He Wang, Qiong Wen, Debao Kong, Tieru Wu, Rui Ma,
• Abstract要約: RoVESは物理を意識した3Dガウス編集システムである。 シングルイメージ駆動の道路形状の挿入を可能にし、4-DOF半車両動力学的モデルで編集された道路形状を結合する。 ポーズ編集によって動的車両を編集し、フレームごとのポーズを補正し、動的に一貫性のある垂直変位とピッチ応答を近似する。
• 参考スコア（独自算出の注目度）: 19.443845441293647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has shown great potential in autonomous driving simulation and data generation, enabling photorealistic reconstruction and flexible scene manipulation. However, existing 3DGS scene editing methods have limited support for road geometry editing (e.g., inserting speed humps or sunken roads), and generally do not couple such edits with plausible vehicle-road interaction dynamics. Such editing is essential for generating training data under extreme driving scenarios or evaluating system reliability under these road irregularities. Moreover, many optimization-based methods require minutes of per-edit refinement, while existing efficient alternatives mainly focus on appearance-level or object-level manipulation rather than physics-aware road irregularity editing. To address these limitations, we propose RoVES, a Road-and-Vehicle Editing System for physics-aware 3D Gaussian editing in driving scenes. RoVES enables single-image-driven road geometry insertion and couples the edited road profile with a 4-DOF half-car vehicle dynamics model to achieve physics-aware vehicle pose correction in vertical displacement and pitch. RoVES inserts road elements in a one-shot, optimization-free pipeline (1.84s), and the full pipeline (including color transfer and vehicle-dynamics-based pose correction) completes in 6.24s; it edits dynamic vehicles via pose editing and corrects poses frame-by-frame to approximate dynamics-consistent vertical displacement and pitch responses. Experiments on the Waymo dataset show that RoVES provides practical efficiency and competitive visual consistency for physics-aware driving scene generation.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、自律走行シミュレーションとデータ生成に大きな可能性を示し、フォトリアリスティックな再構築とフレキシブルなシーン操作を可能にしている。 しかし、既存の3DGSシーン編集手法では、道路形状の編集(例えば、高速ハンプや日没した道路の挿入など)が限定的にサポートされており、一般的には、そのような編集を車両と道路の相互作用のもっともらしいダイナミクスと組み合わせない。 このような編集は、極端な運転シナリオ下でのトレーニングデータの生成や、これらの道路不規則下でのシステムの信頼性評価に不可欠である。 さらに、多くの最適化ベースの手法では、編集毎の修正に数分を要するが、既存の効率的な代替手段は、物理を意識した道路の不規則性編集ではなく、外観やオブジェクトレベルの操作に重点を置いている。 これらの制約に対処するために,物理を意識した3次元ガウス編集システムRoVESを提案する。 RoVESは、単イメージ駆動の道路形状の挿入を可能にし、4-DOF半車両動特性モデルと組み合わせて、垂直変位とピッチにおける物理認識車両の姿勢補正を実現する。 RoVESは1ショットの最適化のないパイプライン(1.84s)に道路要素を挿入し、フルパイプライン(色移動と車両力学に基づくポーズ補正を含む)は6.24秒で完了する。 Waymoデータセットの実験は、RoVESが物理対応駆動シーン生成に実用的な効率性と競争力のある視覚的一貫性を提供することを示している。

関連論文リスト

• ReinDriveGen: Reinforcement Post-Training for Out-of-Distribution Driving Scene Generation [61.64162666162948]
  ReinDriveGenは動的駆動シーンのフルコントロールを可能にするフレームワークである。 提案手法は,マルチフレームLiDARデータから動的3Dポイントクラウドシーンを構築する。 提案手法では,映像拡散モデルを用いてリアルな運転映像を合成する2次元条件画像に編集シーンを描画する。
  論文  参考訳（メタデータ） (2026-04-01T16:48:20Z)
• AutoWeather4D: Autonomous Driving Video Weather Conversion via G-Buffer Dual-Pass Editing [40.7960078327044]
  AutoWeather4Dは、幾何学と照明を明確に分離するために設計されたフィードフォワード3D対応気象編集フレームワークである。 実験により、AutoWeather4Dは、生成ベースラインに匹敵する光リアリズムと構造的整合性を達成することが示された。
  論文  参考訳（メタデータ） (2026-03-27T15:56:47Z)
• HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles [63.88996084630768]
  制御可能な運転シーン生成は、現実的でスケーラブルな自律運転シミュレーションに不可欠である。 シーンを編集可能なガウス版とメッシュとして再構築する統合フレームワークであるHorizonForgeを紹介した。 実験により、ガウス・メシュ表現は代替の3次元表現よりもかなり高い忠実性をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-24T20:03:47Z)
• GA-Drive: Geometry-Appearance Decoupled Modeling for Free-viewpoint Driving Scene Generatio [62.07995406671134]
  GA-Driveは,ユーザが指定した新規軌跡に沿ってカメラビューを生成可能な,新しいシミュレーションフレームワークである。 GA-Driveは幾何学情報を用いて新しい擬似ビューを合成する。 これらの擬似ビューは、訓練されたビデオ拡散モデルを用いてフォトリアリスティックビューに変換される。
  論文  参考訳（メタデータ） (2026-02-24T08:22:42Z)
• DrivingGaussian++: Towards Realistic Reconstruction and Editable Simulation for Surrounding Dynamic Driving Scenes [49.23098808629567]
  DrivingGaussian++は、自律運転シーンをリアルに再構成し、制御可能な編集を行うための効率的なフレームワークである。 テクスチャ修正、天気予報、オブジェクト操作など、ダイナミックな運転シーンのためのトレーニング不要のコントロール可能な編集をサポートする。 提案手法は,動的物体の運動軌跡を自動的に生成し,最適化過程における現実性を高める。
  論文  参考訳（メタデータ） (2025-08-28T16:22:54Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)

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。