論文の概要: FreeStreamGS: Online Feed-forward 3D Gaussian Splatting from Unposed Streaming Inputs
- arxiv url: http://arxiv.org/abs/2606.03254v1
- Date: Tue, 02 Jun 2026 07:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.831227
- Title: FreeStreamGS: Online Feed-forward 3D Gaussian Splatting from Unposed Streaming Inputs
- Title（参考訳）: FreeStreamGS: オンラインフィードフォワードの3Dガウシアンスプレイティング
- Authors: Ruiyang Chen, Feiran Li, Chu Zhou, Zonglin Li, Zhanyu Ma, Heng Guo,
- Abstract要約: FreeStreamGSは、効率的で高品質なNVSのための堅牢なオンラインフィードフォワードフレームワークである。
本稿では,2つの重要なメカニズムを紹介する。デカップリング型内因性回復ヘッドは,内因性累積カメラバイアスを除去し,長期ストリーミング時のシーンスケールジッタを防止する。
実験によると、FreeStreamGSは、将来のフレームにアクセスせずに動作しているにも関わらず、最先端のオフラインフィードフォワード3DGSメソッドと競合するレンダリング品質を実現している。
- 参考スコア（独自算出の注目度）: 43.13666562273786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feed-forward 3D Gaussian Splatting (3DGS) allows efficient and high-fidelity novel view synthesis (NVS) from an offline recorded image sequence. However, achieving online NVS from streaming and unposed image inputs remains challenging. Although online feed-forward geometric estimation methods have been proposed for streaming depth and point cloud recovery, they cannot be adapted to NVS due to severe rendering artifacts. This is because NVS demands stricter multi-view consistency in Gaussian scales and pose-geometry alignment; even minor deviations would accumulate over time and visibly degrade rendering quality. To this end, we propose FreeStreamGS, a robust online feed-forward framework for efficient and high-quality NVS. We introduce two key mechanisms: a Decoupled Intrinsic Recovery Head that removes cumulative camera intrinsic bias and prevents scene scale jitter during long-term streaming, and a Dynamic Point Refinement Offset strategy that relaxes rigid unprojection to correct coupled pose-depth drift. Extensive experiments show that FreeStreamGS achieves rendering quality competitive with state-of-the-art offline feed-forward 3DGS methods, despite operating without access to future frames.
- Abstract（参考訳）: 3DGS(Feed-forward 3D Gaussian Splatting)は、オフラインで記録された画像シーケンスから、効率的で高忠実なノベルビュー合成(NVS)を可能にする。
しかし、ストリーミングや未投稿の画像入力からオンラインNVSを達成することは、依然として困難である。
オンラインフィードフォワード幾何推定法はストリーミング深度と点雲の回復に提案されているが、厳密なレンダリングアーティファクトのため、NVSには適用できない。
これは、NVSがガウススケールでのより厳密なマルチビュー一貫性とポーズ幾何学的アライメントを要求するためである。
この目的のために,高速かつ高品質なNVSのための堅牢なオンラインフィードフォワードフレームワークであるFreeStreamGSを提案する。
本稿では,デカップリング型内在性回復ヘッド(Decoupled Intrinsic Recovery Head)と,長期ストリーミング中にカメラ内在性バイアスを除去し,シーンスケールのジッタを防止できる,動的ポイントリファインメントオフセット(Dynamic Point Refinement Offset)という2つのメカニズムを紹介する。
大規模な実験により、FreeStreamGSは、将来のフレームにアクセスせずに動作しているにも関わらず、最先端のオフラインフィードフォワード3DGSメソッドと競合するレンダリング品質を実現している。
関連論文リスト
- VidSplat: Gaussian Splatting Reconstruction with Geometry-Guided Video Diffusion Priors [79.88300861391114]
VidSplatは、トレーニング不要な生成的再構築フレームワークである。
生成と再構築の効果的な統合を可能にする2つの重要な課題に取り組む。
広範に使用されているベンチマーク実験は、スパースビューのシーン再構成における優れた性能を示している。
論文 参考訳（メタデータ） (2026-05-12T02:20:31Z) - S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs [53.597239706600455]
Sparse to Dense lifting (S2D)は、2つの表現をブリッジし、最小限の入力で高品質な3DGS再構成を実現するパイプラインである。
実験により、S2Dは、異なる入力空間下で、新しいビューガイダンスと第1階層のスパースビュー再構成品質を生成する際に、最良の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） (2026-03-11T15:37:20Z) - LoD-Structured 3D Gaussian Splatting for Streaming Video Reconstruction [19.37120630668256]
Free-Viewpoint Video (FVV) は、フォトリアリスティックでインタラクティブな3Dシーンの可視化を可能にする。
最近の3Dガウススティング(3DGS)は、レンダリング速度が優れているため、FVVが進歩している。
本稿では, SFV 専用に設計された LoD-based Gaussian Splatting フレームワーク StreamLoD-GS を提案する。
論文 参考訳（メタデータ） (2026-01-26T13:27:46Z) - D-FCGS: Feedforward Compression of Dynamic Gaussian Splatting for Free-Viewpoint Videos [12.24209693552492]
自由視点ビデオ(FVV)は没入型3D体験を可能にするが、動的3D表現の効率的な圧縮は依然として大きな課題である。
本稿では,時間的に相関したガウス点雲列を圧縮する新しいフィードフォワードフレームワークである動的ガウス散乱(D-FCGS)のフィードフォワード圧縮を提案する。
実験の結果,最適化手法の速度歪み特性と一致し,40倍以上の圧縮を2秒以内で達成した。
論文 参考訳（メタデータ） (2025-07-08T10:39:32Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - StreamGS: Online Generalizable Gaussian Splatting Reconstruction for Unposed Image Streams [32.91936079359693]
本稿では,非ポーズ画像ストリームのための3DGS再構成手法であるStreamGSを提案する。
StreamGSは、画像ストリームを3Dガウスストリームに変換する。
多様なデータセットの実験では、StreamGSは最適化ベースのアプローチと同等の品質を実現しているが、150倍高速であることが示された。
論文 参考訳（メタデータ） (2025-03-08T14:35:39Z) - FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。
当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。
包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
論文 参考訳（メタデータ） (2024-12-12T18:52:53Z) - 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) - MVPGS: Excavating Multi-view Priors for Gaussian Splatting from Sparse Input Views [27.47491233656671]
新規ビュー合成(NVS)は3次元視覚アプリケーションにおいて重要な課題である。
我々は,3次元ガウススプラッティングに基づくマルチビュー先行を探索する数ショットNVS法である textbfMVPGS を提案する。
実験により,提案手法はリアルタイムレンダリング速度で最先端の性能を実現することを示す。
論文 参考訳（メタデータ） (2024-09-22T05:07:20Z)
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。