Fugu-MT 論文翻訳(概要): Geometry-Aware Style Transfer in 3D Gaussian Splatting

論文の概要: Geometry-Aware Style Transfer in 3D Gaussian Splatting

arxiv url: http://arxiv.org/abs/2606.24144v1
Date: Tue, 23 Jun 2026 04:53:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-24 22:16:48.774182
Title: Geometry-Aware Style Transfer in 3D Gaussian Splatting
Title（参考訳）: 3次元ガウススプレイティングにおける幾何学的スタイル移動
Authors: Min Hyeok Bang, Jun Hyeong Kim, Seung-Wook Kim, Se-Ho Lee,
Abstract要約: 3次元ガウススプラッティングのための幾何対応型トランスファーフレームワーク(3DGS)を提案する。本手法は,色パラメータと幾何パラメータを交互に更新するデカップリング最適化方式により,幾何適応を明示的に組み込む。本手法は定性的忠実度と定量的指標の両方において優れた性能を達成し,既存の3DGS方式のスタイリング法よりも優れていた。
参考スコア（独自算出の注目度）: 6.78885768717979
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a novel geometry-aware style transfer framework for 3D Gaussian splatting (3DGS) that simultaneously transfers appearance attributes and geometric structures. Unlike prior works that primarily focus on color-based stylization and often overlook structural adaptation, our method explicitly incorporates geometry adaptation through a decoupled optimization scheme that alternately updates color and geometry parameters. This strategy alleviates potential interference between color and geometry updates, leading to stable and consistent scene-level geometry transformation. The decoupled optimization is enabled by the proposed geometry-aware contrastive feature matching (GCFM). GCFM integrates RGB, depth, and edge cues into a contrastive objective and is employed in both optimization phases to effectively transfer structural characteristics from style images to Gaussian primitives. Extensive experiments show that our approach achieves superior performance in both qualitative fidelity and quantitative metrics, significantly outperforming existing 3DGS-based stylization methods. Our code is available at \href{https://github.com/oweixx/gast}{https://github.com/oweixx/gast}.
Abstract（参考訳）: 本稿では, 外観特性と幾何学的構造を同時に伝達する3次元ガウススプラッティング(3DGS)のための新しい幾何対応型トランスファーフレームワークを提案する。色に基づくスタイリングに主眼を置いており、しばしば構造的適応を見落としている以前の研究とは異なり、本手法は色パラメータと幾何パラメータを交互に更新する分離最適化スキームにより、幾何適応を明示的に取り入れている。この戦略は、色と幾何学の更新の間の潜在的な干渉を緩和し、安定かつ一貫したシーンレベルの幾何学変換をもたらす。分離された最適化は、提案した幾何対応のコントラスト特徴マッチング(GCFM)によって実現される。 GCFMは、RGB、深さ、エッジのキューを対照的な目的に統合し、両方の最適化フェーズでスタイルイメージからガウスプリミティブへ構造特性を効果的に転送する。実験により, 定性的忠実度と定量的指標の両方において, 従来の3DGSスタイリング法よりも優れた性能が得られた。私たちのコードは \href{https://github.com/oweixx/gast}{https://github.com/oweixx/gast} で利用可能です。

関連論文リスト

Geometry Gaussians: Decoupling Appearance and Geometry in Gaussian Splatting [28.891336184070223]
デフォルトの3DGSはテクスチャと幾何学を同時に表現するのに適していないことを示す。各スプラットに1つの追加の幾何不透明度パラメータを適用することで、簡単な解を提案する。
論文参考訳（メタデータ） (2026-06-03T17:29:36Z)
LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文参考訳（メタデータ） (2026-03-30T13:39:35Z)
GloSplat: Joint Pose-Appearance Optimization for Faster and More Accurate 3D Reconstruction [35.30036388020098]
本稿では,GloSplatについて述べる。GloSplatは3次元ガウス平滑化訓練において,アンフィジョイントなポーズ-外観最適化を行うフレームワークである。従来の共同最適化手法とは異なり、GloSplatは訓練中、Emphexplicit SfM機能トラックを第一級エンティティとして保存する。実験により、GloSplat-FはCOLMAPフリーメソッドの最先端を実現し、GloSplat-AはCOLMAPベースラインをすべて越えていることが示された。
論文参考訳（メタデータ） (2026-03-05T06:02:50Z)
Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文参考訳（メタデータ） (2026-01-05T18:33:50Z)
Improving Multi-View Reconstruction via Texture-Guided Gaussian-Mesh Joint Optimization [11.82110312606284]
マルチビュー画像から現実世界のオブジェクトを再構成することは、3D編集、AR/VR、デジタルコンテンツ作成に不可欠である。既存の手法では、幾何精度(Multi-View Stereo)またはフォトリアリスティックレンダリングが優先されている。本稿では,シームレスなガウス-メッシュ共同最適化のための幾何と外観最適化の統一的処理を提案する。
論文参考訳（メタデータ） (2025-11-06T01:05:08Z)
UniGS: Unified Geometry-Aware Gaussian Splatting for Multimodal Rendering [10.560500427919647]
3D Splatting に基づく統一地図表現と識別可能な属性再構成である UniGS を提案する。我々のフレームワークは、写真リアルなRGB画像、幾何学的に正確な深度マップ、一貫した表面正規化、セマンティックロジットを同時にレンダリングできるマルチモーダルビューアを統合している。
論文参考訳（メタデータ） (2025-10-14T06:07:57Z)
GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control [6.91367883100748]
Gaussian Splattingは、リアルタイムのパフォーマンスをサポートしながら、リアルな画像をレンダリングする代替手段である。本稿では,初期化,最適化,密度制御における課題に対処するため,3次元ガウス分割法(3DGS)citeKerbl2023を提案する。提案手法は,高忠実度画像をリアルタイムにレンダリングすることで,最先端の手法に匹敵する,あるいは優れた結果を示す。
論文参考訳（メタデータ） (2025-07-01T01:29:31Z)
Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
論文参考訳（メタデータ） (2025-06-13T16:19:00Z)
Bridging Geometry-Coherent Text-to-3D Generation with Multi-View Diffusion Priors and Gaussian Splatting [51.08718483081347]
幾何学的に一貫した3次元生成を保証するために,複数視点の関節分布を事前に結合するフレームワークを提案する。我々は,多視点先行を効果的に結合し,異なる視点で最適化を導出する効果的な最適化ルールを導出する。我々は, 3D-GS から CSD を通じて改良された, 変形可能な四面体格子を用いて, 高品質で洗練されたメッシュを作製する。
論文参考訳（メタデータ） (2025-05-07T09:12:45Z)
GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文参考訳（メタデータ） (2024-10-31T17:57:07Z)

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。