論文の概要: ACEsplat: Accelerated 3D Gaussian Scene Regression via RGB and Poses Only

• arxiv url: http://arxiv.org/abs/2606.22091v1
• Date: Sat, 20 Jun 2026 15:16:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 22:50:21.949237
• Title: ACEsplat: Accelerated 3D Gaussian Scene Regression via RGB and Poses Only
• Title（参考訳）: ACEsplat:RGBとPosesのみによる3Dガウスシーンのアクセラレーション
• Authors: Mingkai Liu, Haohua Que, Dikai Fan, Haojia Gao, Tianle Zhu, Handong Yao, Qian Zhang, Ruopeng Zhang, Xianliang Huang, Fei Qiao,
• Abstract要約: 本稿では,RGB画像とカメラポーズのみから3次元ガウス表現を再構成する,シーンごとの高速最適化フレームワークACEsplatを提案する。 静的なレンダリングでは、ACEsplatはリアルタイムSLAMポーズでWayspotsで29.11dB PSNR、SfM修正ポーズでCambridge Landmarksで33.20dBを達成した。
• 参考スコア（独自算出の注目度）: 4.0553083073432
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Per-scene 3D Gaussian Splatting (3DGS) enables high-fidelity rendering, but practical robotic and AR scene capture pipelines often depend on external geometric initialization (e.g., SfM point clouds or depth estimates), which can be slow and brittle in on-site deployment. We present ACEsplat, a fast per-scene optimization framework that reconstructs 3D Gaussian representations from RGB images and camera poses only, without requiring external 3D priors (e.g., precomputed SfM models or supervised depth maps). ACEsplat uses a two-stage pipeline: (1) a self-supervised scene coordinate regression (SCR) module builds an internal geometry prior within 4--5 minutes; (2) SCR features and coordinate priors are fused by a lightweight Gaussian initialization head, followed by per-scene 3DGS optimization. On static-view rendering, ACEsplat achieves 29.11 dB PSNR on Wayspots with real-time SLAM poses and 33.20 dB on Cambridge Landmarks with SfM-refined poses. On RealEstate10K sparse-view novel view synthesis, it achieves competitive image fidelity under a challenging 2-view setting. ACEsplat completes scene-specific SCR mapping and 3DGS reconstruction within 15--25 minutes on a single GPU, making it a practical RGB+pose-only solution for rapid scene setup in robotics and mixed-reality applications.
• Abstract（参考訳）: シーンごとの3Dガウススティング(3DGS)は高忠実なレンダリングを可能にするが、実用的なロボットとARシーンキャプチャパイプラインは、しばしば外部の幾何学的初期化(例えば、SfM点雲や深さ推定)に依存する。 RGB画像とカメラポーズから3次元ガウス表現を再構成する高速なシーンごとの最適化フレームワークであるACEsplatを、外部の3D事前処理(例えば、事前計算されたSfMモデルや教師付き深度マップ)を必要とせずに提供する。 ACEsplatは2段階のパイプラインを使用する: 1) 自己教師付きシーン座標回帰(SCR)モジュールは、4～5分以内に内部幾何学を構築し、(2) SCRの特徴と座標事前は軽量なガウス初期化ヘッドで融合し、続いてシーンごとの3DGS最適化を行う。 静的なレンダリングでは、ACEsplatはリアルタイムSLAMポーズでWayspotsで29.11dB PSNR、SfM修正ポーズでCambridge Landmarksで33.20dBを達成した。 RealEstate10K Sparse-view novel view synthesisでは、挑戦的な2視点設定で競合画像の忠実性を達成する。 ACEsplatは、1つのGPU上でシーン固有のSCRマッピングと3DGS再構成を15分から25分以内に完了する。

関連論文リスト

• Speedy Deformable 3D Gaussian Splatting: Fast Rendering and Compression of Dynamic Scenes [57.69608119350651]
  動的シーンへの3次元ガウススティング(3DGS)の最近の拡張は、ニューラルネットワークを用いて各ガウスの時間変化変形を予測することによって、高品質な新規ビュー合成を実現する。 しかしながら、ガウス毎のニューラルネットワークを各フレームで実行することは、レンダリング速度を制限し、メモリと計算要求を増大させる、重大なボトルネックとなる。 動的3DGSおよび4DGS表現のレンダリング速度を2つの相補的手法により低減し,高速化する汎用パイプラインであるSpeedy Deformable 3D Gaussian Splatting(SpeeDe3DGS)を提案する。
  論文  参考訳（メタデータ） (2025-06-09T16:30:48Z)
• SplArt: Articulation Estimation and Part-Level Reconstruction with 3D Gaussian Splatting [15.098827709119087]
  SplArtは,2組のRGB画像から調音対象を再構成し,キネマティクスを推定する,自己教師型カテゴリー認識フレームワークである。 SplArtは幾何学的自己スーパービジョンを利用して、3Dアノテーションやカテゴリ固有の事前処理を必要とせずに、困難なシナリオに効果的に対処する。 確立された、新しく提案されたベンチマークの評価と、ハンドヘルドのRGBカメラを用いた実世界のシナリオへの応用は、SplArtの最先端のパフォーマンスと実世界の実用性を実証している。
  論文  参考訳（メタデータ） (2025-06-04T05:53:16Z)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)

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。