論文の概要: CLEAR-NeRF: Collinearity and Local-region Enhanced Accurate 3D Reconstruction in Unbounded Scenes

• arxiv url: http://arxiv.org/abs/2605.28125v1
• Date: Wed, 27 May 2026 08:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.878234
• Title: CLEAR-NeRF: Collinearity and Local-region Enhanced Accurate 3D Reconstruction in Unbounded Scenes
• Title（参考訳）: CLEAR-NeRF:非有界シーンにおける局所的3次元再現性と局所的拡張的3次元再構成
• Authors: Vladislav Polianskii, Elijs Dima, Isabel Salmerón Marazuela, Gergő László Nagy, Sigurdur Sverrisson, Volodya Grancharov,
• Abstract要約: 本研究では,NeRFをベースとした3次元再構成を複数領域の非有界シーンに適用し,デジタルツイン用途に適した測定精度を付与しながら,照明の堅牢性やポーズの変動を改善する。 その結果,提案したパイプラインはベースラインのNeRFモデルよりも優れた性能を示し,Structure from Motion (SfM) - Multi-View Stereo (MVS) ソリューションが確立された。
• 参考スコア（独自算出の注目度）: 1.150550961323334
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world 3D reconstruction applications demand photorealism and metric accuracy across unbounded, complex scenes with challenging lighting and imperfect captures that current Neural Radiance Field (NeRF) pipelines only partly satisfy. This study adapts NeRF-based 3D reconstruction to multi-region of interest unbounded scenes to improve robustness to lighting and pose variation while enforcing metric accuracy suitable for digital-twin applications. Our approach introduces (i) automated local region localization/detection and reconstruction to seamlessly prioritize areas of interest without proliferating submodules, (ii) collinearity-enforcing ray sampling to learn smooth planar and curved surfaces, (iii) depth-localized neighborhood point extraction to suppress surface artifacts, and (iv) geometry-relevant color aggregation to mitigate lighting- and pose-caused variations. Results indicate superior performance of the proposed pipeline over the baseline NeRF models and established Structure from Motion (SfM) - Multi-View Stereo (MVS) solutions.
• Abstract（参考訳）: 多くの現実世界の3D再構成アプリケーションは、現在のニューラル・レージアンス・フィールド(NeRF)パイプラインが部分的にしか満たされていない、挑戦的な照明と不完全なキャプチャを伴う、束縛されていない複雑なシーンにわたって、フォトリアリズムとメートル法精度を要求する。 本研究では,NeRFをベースとした3次元再構成を複数領域の非有界シーンに適用し,デジタルツイン用途に適した測定精度を付与しながら,照明の堅牢性やポーズの変動を改善する。 私たちのアプローチが紹介する (i)部分加群を増殖させることなく興味のある領域をシームレスに優先順位付けする自動局所局所化・検出・再構成 (II)平面面と曲面面を円滑に学習するためのコリニアリティ強化線サンプリング 三 表面工芸品の抑制のための深度局所化近傍点抽出及び (4)照明やポーズによる変化を緩和するための幾何学的関連色の集約。 その結果,提案したパイプラインはベースラインのNeRFモデルよりも優れた性能を示し,Structure from Motion (SfM) - Multi-View Stereo (MVS) ソリューションが確立された。

関連論文リスト

• PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
  PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。 本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:42Z)
• 3D Gaussian Flats: Hybrid 2D/3D Photometric Scene Reconstruction [62.84879632157956]
  本研究では,平面平面(2D)ガウスと自由形式(3D)ガウスを連立最適化するハイブリッド2D/3D表現を提案する。 我々のエンドツーエンドアプローチは、平面領域を動的に検出・洗練し、視覚的忠実度と幾何学的精度の両方を改善する。 ScanNet++とScanNetv2の最先端の深さ推定を実現し、特定のカメラモデルに過度に適合することなくメッシュ抽出に優れる。
  論文  参考訳（メタデータ） (2025-09-19T21:04:36Z)
• HiNeuS: High-fidelity Neural Surface Mitigating Low-texture and Reflective Ambiguity [8.74691272469226]
  HiNeuSは、既存のアプローチにおける3つの中核的な制限に、一貫したフレームワークである。 1) SDF誘導線トレーシングによる微分可視性検証, 2) レイアライン幾何パッチによる平面コンフォーマルな正規化, 3) 局所勾配に基づく幾何的制約を動的に調節する物理的に接地されたアイコン緩和。
  論文  参考訳（メタデータ） (2025-06-30T13:45:25Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• NeSLAM: Neural Implicit Mapping and Self-Supervised Feature Tracking With Depth Completion and Denoising [23.876281686625134]
  我々は,高精度で密度の高い深度推定,ロバストなカメラトラッキング,新しいビューの現実的な合成を実現するフレームワークNeSLAMを提案する。 各種屋内データセットを用いた実験は、再構築、品質追跡、新しいビュー合成におけるシステムの有効性と精度を示す。
  論文  参考訳（メタデータ） (2024-03-29T07:59:37Z)
• Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
  Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。 各種タスクにおけるMesh2NeRFの有効性を検証する。
  論文  参考訳（メタデータ） (2024-03-28T11:22:53Z)
• HarmonicNeRF: Geometry-Informed Synthetic View Augmentation for 3D Scene Reconstruction in Driving Scenarios [2.949710700293865]
  HarmonicNeRFは、屋外の自己監督型単分子シーン再構築のための新しいアプローチである。 形状インフォームド合成ビューで入力空間を拡大することにより、NeRFの強度を生かし、表面再構成精度を高める。 提案手法は,新しい深度ビューを合成し,シーンを再構築するための新しいベンチマークを確立し,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-09T07:42:33Z)

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。