論文の概要: TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2605.26115v1
• Date: Mon, 25 May 2026 17:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.662795
• Title: TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction
• Title（参考訳）: TriSplat: シミュレーション可能なフィードフォワード3Dシーン再構築
• Authors: Weijie Wang, Zimu Li, Jinchuan Shi, Zeyu Zhang, Botao Ye, Marc Pollefeys, Donny Y. Chen, Bohan Zhuang,
• Abstract要約: TriSplatは、向き付けられた三角形のプリミティブを持つシーンを表すフィードフォワード再構築ネットワークである。 シミュレーション可能なメッシュシーンを1つのフォワードパスからエクスポートする。 RealEstate10K と DL3DV の実験により、この表現はガウスのフィードフォワードベースラインよりも幾何に忠実な再構成を生成することが示された。
• 参考スコア（独自算出の注目度）: 65.03268438396556
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sparse-view 3D reconstruction is increasingly addressed with feed-forward splatting networks that predict explicit primitives directly from images. Yet most existing methods remain centered on Gaussian primitives and expose surfaces only indirectly: extracting a usable mesh for downstream simulation, physics reasoning, or embodied interaction still requires expensive post-hoc steps that break the feed-forward promise. This limitation is especially pronounced in pose-free settings, where scene structure and camera parameters must be estimated jointly from sparse observations. We present TriSplat, a feed-forward reconstruction network that represents scenes with oriented triangle primitives and directly exports simulation-ready mesh scenes from a single forward pass. Given input images, the network predicts local 3D point maps, triangle attributes, camera poses, and optional intrinsics. Rather than regressing triangle orientation as an unconstrained latent variable, our approach constructs geometry normals from the predicted point maps, refines them with an image-conditioned normal head, and converts them into stable local frames for triangle parameterization. A mono-normal bootstrap schedule further stabilizes early training, while opacity and blur scheduling progressively sharpens the learned surface representation for direct mesh extraction. Experiments on RealEstate10K and DL3DV show that this representation produces more geometry-faithful reconstructions than Gaussian feed-forward baselines while maintaining competitive novel-view rendering quality. Because the rendering primitives are themselves surface triangles, the output can be directly ingested by physics engines, collision detectors, and standard rendering pipelines without any conversion, making it a practical simulation-ready solution for feed-forward 3D scene reconstruction.
• Abstract（参考訳）: スパースビュー3D再構成は、画像から直接明示的なプリミティブを予測するフィードフォワードスプラッティングネットワークで対処されることが多い。 しかし、既存のほとんどの手法はガウス原始体を中心とし、表面を間接的にしか露呈しない:下流シミュレーション、物理推論、または実施された相互作用のために使用可能なメッシュを抽出するには、フィードフォワードの約束を破る高価なポストホックステップが必要である。 この制限は特にポーズなしの設定において顕著であり、シーン構造とカメラパラメータはスパース観測から共同で推定する必要がある。 向きの三角形プリミティブを持つシーンを表現し、シミュレーション可能なメッシュシーンを1つの前方パスから直接エクスポートするフィードフォワード再構成ネットワークであるTriSplatを提案する。 入力画像が与えられた場合、ネットワークはローカルな3Dポイントマップ、三角形属性、カメラポーズ、オプションの内在性を予測する。 提案手法は,非拘束潜在変数として三角方向を回帰させるのではなく,予測点マップから幾何正規化を構築し,画像条件付き正規ヘッドで洗練し,三角形パラメータ化のために安定な局所フレームに変換する。 単正規ブートストラップスケジュールは早期訓練をさらに安定化させ、不透明度とボケスケジューリングは、学習した表面表現を徐々にシャープして直接メッシュ抽出を行う。 RealEstate10KとDL3DVの実験では、この表現はガウスのフィードフォワードベースラインよりも幾何に忠実な再構築を実現し、競争力のあるノベルビューレンダリング品質を維持している。 レンダリングプリミティブはそれ自体が表面三角形であるため、出力は物理エンジン、衝突検出器、標準レンダリングパイプラインに直接変換することなく取り込み、フィードフォワード3Dシーン再構築のための実用的なシミュレーション可能なソリューションとなる。

関連論文リスト

• R-DMesh: Video-Guided 3D Animation via Rectified Dynamic Mesh Flow [50.93811008612562]
  動画誘導3Dアニメーションは、動的資産の直感的かつ正確な制御を提供するコンテンツ制作の可能性を秘めている。 現実のシナリオでは、ユーザーが提供するビデオの最初のポーズは、参照ビデオの開始フレームとほとんど一致しない。 ビデオコンテキストに合わせて高忠実度4Dメッシュを生成するためのフレームワークであるR-DMeshを提案する。
  論文  参考訳（メタデータ） (2026-05-13T17:58:13Z)
• Fus3D: Decoding Consolidated 3D Geometry from Feed-forward Geometry Transformer Latents [10.400785196849647]
  本稿では,3秒未満で非構造化画像コレクションからの高密度符号距離場(SDF)回帰のフィードフォワード法を提案する。 我々の重要な洞察は、事前訓練された多視点フィードフォワード幾何変換器の中間的特徴空間が、既に強力なジョイントワールド表現を符号化していることである。 代わりに、学習された体積抽出を通して幾何学変換器の特徴から直接3次元抽出を行う。
  論文  参考訳（メタデータ） (2026-03-26T18:45:04Z)
• FTSplat: Feed-forward Triangle Splatting Network [0.0]
  キャリブレーションされた多視点画像から連続した三角形表面を直接予測する三角形原始生成のためのフィードフォワードフレームワークを提案する。 本手法は,シミュレーション可能なモデルを1つのフォワードパスで生成し,シーンごとの最適化や後処理の必要性を回避する。
  論文  参考訳（メタデータ） (2026-03-06T06:04:09Z)
• DiMeR: Disentangled Mesh Reconstruction Model [29.827345186012558]
  DiMeRは、疎視メッシュ再構成のための3次元監視を備えた、幾何学的・テクスチュアなアンタングルフィードフォワードモデルである。 性能/コストの低いモジュールを排除し,正規化損失を再設計し,メッシュ抽出のアルゴリズムを効率化する。 大規模な実験により、DiMeRはスパースビュー、シングルイメージ、テキストから3Dタスクにまたがって一般化し、ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2025-04-24T15:39:20Z)
• 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)
• Differentiable Blocks World: Qualitative 3D Decomposition by Rendering Primitives [70.32817882783608]
  本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。 既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。 得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
  論文  参考訳（メタデータ） (2023-07-11T17:58:31Z)

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。