論文の概要: GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds
- arxiv url: http://arxiv.org/abs/2606.10541v1
- Date: Tue, 09 Jun 2026 08:09:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-10 15:40:58.383415
- Title: GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds
- Title（参考訳）: GRAR:LiDAR点雲におけるガラス誘起反射人工物除去
- Authors: Wanpeng Shao, Zeyi Guo, Bo Zhang, Yifei Xue, Tie Ji, Yizhen Lao,
- Abstract要約: 本稿では,頑健なリフレクションアーティファクト除去を目的とした新しい統合フレームワークを提案する。
最初の段階では、マルチモーダル・ビジョン・ファンデーション・モデルを用いて初期ガラスマスクを製造する。
第2段階では,Reflection-Aware Local-Global Geometric similarity (RE-LGGS)と呼ばれる物理駆動型記述子を提案する。
- 参考スコア（独自算出の注目度）: 7.586613779032423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Terrestrial Laser Scanning (TLS) point clouds captured in urban environments frequently suffer from glass-induced reflection artifacts, severely degrading downstream applications. Existing reflection artifact removal methods generally rely on ideal reflection symmetry assumptions, yet their performance is limited by inaccurate glass estimation and insufficient geometric representations. To address these issues, we propose a novel unified framework aimed at robust reflection artifact removal: In the first stage, we leverage a multi-modal vision foundation model to produce initial glass masks, which are then refined using geometric cues to achieve high-precision glass regions, followed by glass completion to recover missing regions caused by no-return measurements on transparent surfaces; In the second stage, we propose a physics-driven descriptor, termed Reflection-aware Local-Global Geometric Similarity (RE-LGGS), which is grounded in actual laser reflection geometry and jointly encodes multi-scale geometric structures and orientation consistency using PCA-based local shape representations, thereby significantly improving robustness against imperfect observations. Extensive experiments on multiple public TLS datasets demonstrate that our framework consistently outperforms state-of-the-art methods in reflection artifacts removal.
- Abstract（参考訳）: 都市環境で捕獲された地上レーザー走査(TLS)点雲は、しばしばガラス誘起反射人工物に悩まされ、下流の応用は著しく劣化する。
既存の反射人工物除去法は一般に理想的な反射対称性の仮定に頼っているが、その性能は不正確なガラス推定と不十分な幾何学的表現によって制限されている。
これらの課題に対処するため,我々は,複数モードの視覚基盤モデルを用いて初期ガラスマスクを作製し,幾何学的手がかりを用いて高精度ガラス領域を再現し,ガラスの完成により透明表面の無反射計測による欠損領域の回復を図る,新しい統合フレームワークを提案する。
複数のパブリックTLSデータセットに対する大規模な実験により、我々のフレームワークはリフレクションアーティファクト削除における最先端の手法を一貫して上回っていることが示された。
関連論文リスト
- RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。
実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
論文 参考訳（メタデータ） (2026-04-01T05:50:03Z) - 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) - Ref-DGS: Reflective Dual Gaussian Splatting [51.77181103979343]
反射的な外観、特に強く、典型的には近接場スペクトル反射は、正確な表面再構成と新しい見方に根本的な課題をもたらす。
本稿では,このトレードオフに対処する反射型二重ガウススプレイティングフレームワークRef-DGSを提案する。
実験により、Ref-DGSは反射シーンにおける最先端のパフォーマンスを達成しつつ、レイベースガウス法よりもかなり高速なトレーニングを行うことが示された。
論文 参考訳（メタデータ） (2026-03-08T14:54:15Z) - Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。
提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。
そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-08T15:45:08Z) - Normal-NeRF: Ambiguity-Robust Normal Estimation for Highly Reflective Scenes [11.515561389102174]
本稿では,不明瞭な形状でも頑健な透過率勾配に基づく正規推定手法を提案する。
提案手法は,高スペクトル反射と複雑な幾何学的構造を持つシーンの頑健な再構成と高忠実なレンダリングを実現する。
論文 参考訳（メタデータ） (2025-01-16T10:42:29Z) - NeRFs are Mirror Detectors: Using Structural Similarity for Multi-View Mirror Scene Reconstruction with 3D Surface Primitives [7.116175288307167]
我々は、NeRFをミラー検出器とみなすことができることを示す方法であるNeRF-MDを提案する。
まず、標準的なNeRFをトレーニングすることで、シーン形状の初期推定を計算する。
次に、第2の訓練段階において、放射場とミラー幾何学を共同で最適化し、その品質を向上する。
論文 参考訳（メタデータ） (2025-01-07T18:59:53Z) - Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。
RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。
5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
論文 参考訳（メタデータ） (2020-12-02T03:14:57Z)
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。