論文の概要: Optimizing 3D Gaussian Splatting via Point Cloud Upsampling

• arxiv url: http://arxiv.org/abs/2606.00450v1
• Date: Sat, 30 May 2026 00:42:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.466442
• Title: Optimizing 3D Gaussian Splatting via Point Cloud Upsampling
• Title（参考訳）: Point Cloud Upsamplingによる3次元ガウス散乱の最適化
• Abstract要約: 3D Gaussianting(3DGS)は、3Dシーンの作成とレンダリングのためのテクニックである。 この研究は、いくつかの点の雲のアップサンプリング手法を提示し、評価する。 様々な場面で再現性の向上を示す。
• 参考スコア（独自算出の注目度）: 11.209081297828961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) is a technique for creating and rendering 3D scenes, however its performance depends heavily on the quality of initial seed points. To improve 3DGS initialization, this study presents and evaluates several point cloud upsampling approaches: linear interpolation, triangular interpolation, spline-based surface reconstruction, moving least squares surface fitting, and Voronoi-based point generation. Additionally, this research introduces a depth-guided point lifting method that leverages depth maps to maintain geometric consistency with Structure-from-Motion (SfM) reconstructions. Through extensive experiments on the Mip-NeRF360 and Replica datasets, the proposed methods demonstrate improvements in reconstruction quality across diverse scene types. Results indicate that different upsampling strategies excel in different scenarios: surface reconstruction methods perform better with organic, detailed scenes, while simpler interpolation approaches are more suited for scenes dominated by piecewise-smooth geometries. In comparison, the depth-guided approach shows promise for adding geometry-aware points across the entire scene, importantly in texture-less regions. These findings, which provide preliminary practical guidelines for selecting appropriate upsampling methods based on scene characteristics and computational constraints, advances the understanding of how point cloud initialization affects 3DGS quality.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、3Dシーンの作成とレンダリングの技法であるが、その性能は初期シードポイントの品質に大きく依存する。 3DGS初期化を改善するために, 線形補間, 三角補間, スプラインベース表面再構成, 最小二乗表面嵌合, ボロノイ点生成など, いくつかの点雲アップサンプリング手法を提示し, 評価した。 さらに,SfM(Structure-from-Motion)再構成との幾何整合性を維持するため,深度マップを利用した深度誘導点昇降法を提案する。 Mip-NeRF360データセットとReplicaデータセットの広範な実験を通じて、提案手法は様々なシーンタイプにわたる再構成品質の向上を実証する。 表面再構成法は, 有機的, 詳細なシーンでより優れた性能を発揮する一方, より単純な補間法は, 平滑な地形が支配するシーンに適している。 対照的に、奥行き誘導アプローチは、特にテクスチャのない領域において、全体にわたって幾何認識ポイントを追加することを約束している。 これらの知見は、シーン特性と計算制約に基づいて適切なアップサンプリング方法を選択するための予備的な実践的ガイドラインを提供するもので、点雲の初期化が3DGSの品質に与える影響について理解を深めるものである。

関連論文リスト

• Convolutional Neural Shading for High-Quality 3D Reconstruction from Multi-View Images [14.784028278159566]
  多視点画像から高品質な3次元形状を再構成するための畳み込み型ニューラルシェーディング(CNS)を提案する。 提案手法は, 再構成された形状と描画画像において, 大幅な品質向上を示した。
  論文  参考訳（メタデータ） (2026-07-30T12:41:50Z)
• City-Level 3D Surface Reconstruction with Viewpoint Orientation Partitioning and Scene Completion [92.92843111081761]
  マルチビュー3D表面再構成は、コンピュータビジョンにおける長年の課題である。 近年の3次元ガウススプラッティング(3DGS)に基づく大規模再構成手法は,目覚ましい新規なビュー合成を実現する。 本稿では,大規模シーンの表面を効率的にかつ忠実に再構築する,新しい分割手法を提案する。
  論文  参考訳（メタデータ） (2026-07-04T08:44:12Z)
• GGPT: Geometry Grounded Point Transformer [22.64445696362087]
  本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。 この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
  論文  参考訳（メタデータ） (2026-03-11T18:00:04Z)
• LineGS : 3D Line Segment Representation on 3D Gaussian Splatting [0.0]
  LineGSは幾何学誘導型3次元ライン再構成と3次元ガウススプラッティングモデルを組み合わせた新しい手法である。 その結果, ベースライン法と比較して, 幾何精度とモデルコンパクト性に有意な改善が認められた。
  論文  参考訳（メタデータ） (2024-11-30T13:29:36Z)
• GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
  GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。 本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-11-29T03:54:54Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
  ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。 この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
  論文  参考訳（メタデータ） (2024-03-15T14:35:05Z)
• PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
  PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。 その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
  論文  参考訳（メタデータ） (2020-02-24T14:13:29Z)

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。